《机器学习》西瓜书课后习题3.5——python实现线性判别分析

《机器学习》西瓜书课后习题3.5——python实现线性判别分析

《机器学习》西瓜书P69

3.5 编程实现线性判别分析，并给出西瓜数据集3.0a上的结果

理论学习参见文章：线性判别分析LDA原理总结

注意：在该文章中针对w的求法出现了两种方式，一种是
$$w=S^{-}1w({\mu }_0-{\mu }_1)$$
该方法指的应该是针对二类LDA，所以我们在解决西瓜数据集问题是求w的方法采用此方法。

另一种方法是：
$$计算S^{-}{1}_w{S}_b的最大的d个特征值和对应的d个特征向量(w_1,w_2,...w_d),得到投影矩阵W$$
此方法针对的解决多分类问题是采用的策略，在本问题中并不适用，具体详见下文。

---

二类线性判别分析的解决步骤：

1. 求出均值向量、协方差矩阵
2. 求散度矩阵
3. 求出w

下面我们按照上述思路逐步完成，并绘出图像。

一. 数据的预处理

将西瓜集中的数据进行分割、修改

#读取西瓜数据集中的数据并进行预处理
def loadDataset(filename):
    dataset=[]
    with open(filename,'r',encoding='utf-8') as csvfile:
        csv_reader=csv.reader(csvfile)
        header=next(csv_reader)
        for row in csv_reader:
            if row[3] == '是':
                row[3]=1
            else:
                row[3]=0
            del(row[0])
            dataset.append(copy.deepcopy(row))
    data=[[float(x) for x in row]for row in dataset]
    print(data)
    return data

二. LDA算法实现

关于求均值向量、协方差矩阵可参见python中numpy函数中的部分用法，在这不再赘述，直接适用。

def LDA(data):
    data0=[]
    data1=[]
    for x in data:
        if x[2]==1:
            del(x[2])
            data1.append(copy.deepcopy(x))
        else:
            del (x[2])
            data0.append(copy.deepcopy(x))

    # 求得两类数据的均值向量
    mean0 = np.mean(data0)
    mean1 = np.mean(data1)
    # 得到两种数据的协方差矩阵
    diff1 = data1 - mean1
    diff0 = data0 - mean0
    cov1 = np.dot(np.transpose(diff1), diff1)
    cov0 = np.dot(np.transpose(diff0), diff0)
    # 计算类内散度矩阵
    Sw = cov1 + cov0
    # 计算类间散度矩阵
    Sb=np.dot(np.transpose(mean0-mean1),(mean0-mean1))
    Sw_Inv=np.linalg.inv(Sw)
    # a,b=np.linalg.eig(np.dot(Sw_Inv,Sb))# 计算矩阵的特征值和所对应的特征向量
    # index = np.argsort(-a)# 将-a中的元素从小到大排列，提取其对应的index(索引)
    # maxIndex = index[:1]
    # w = b[:, maxIndex]
    # print(w)
    w=np.dot(Sw_Inv,mean0-mean1)
    print(w)
    return w

注意：上面有一部分代码加以注释，在此予以说明，

a,b=np.linalg.eig(np.dot(Sw_Inv,Sb))# 计算矩阵的特征值和所对应的特征向量
index = np.argsort(-a)# 将-a中的元素从小到大排列，提取其对应的index(索引)
maxIndex = index[:1]
w = b[:, maxIndex]

这块代码是为了求在多类LDA方法中要求的特征向量和特征值，为了验证，我们也用此方法求得了一个w，也参与了后序的运算，最终得到了图像如下：

很明显，所有的点并未完全得到分离，尤其是在直线上存在点的重合现象，因此使用特征向量和特征值所求得的w并不能很好的适用于二分类问题，因此抛弃该方法！

三. 绘图

def DrawGraph(dataset,w):
    plt.rcParams['font.sans-serif'] = ['SimHei']
    plt.rcParams['axes.unicode_minus'] = False
    # matplotlib画图中中文显示会有问题，需要这两行设置默认字体

    plt.xlabel('密度')
    plt.ylabel('含糖量')
    plt.xlim(xmax=0.8, xmin=-0.3)
    plt.ylim(ymax=0.5, ymin=-0.3)
    # 画两条坐标轴并设置轴标签x，y
    x1=[]
    y1=[]
    x2=[]
    y2=[]

    for x in dataset:
        if x[2]==1:
            x1.append(copy.deepcopy(x[0]))
            y1.append(copy.deepcopy(x[1]))
        else:
            x2.append(copy.deepcopy(x[0]))
            y2.append(copy.deepcopy(x[1]))

    colors1 = '#00CED1'  # 点的颜色
    colors2 = '#DC143C'
    area = np.pi * 4 ** 2  # 点面积
    # 画散点图
    plt.scatter(x1, y1, s=area, c=colors1, alpha=0.4, label='好瓜')
    plt.scatter(x2, y2, s=area, c=colors2, alpha=0.4, label='非好瓜')
    plt.plot([0, 9.5], [9.5, 0], linewidth='0.5', color='#000000')

    # plot line
    w = w.flatten()
    x1 = np.linspace(-1, 1, 102)
    x2 = -w[0] * x1 / w[1]
    plt.plot(x1, x2, label="LDA")
    plt.legend()
    #plt.savefig(r'C:\Users\hp\Desktop\《机器学习》笔记\LDA.png', dpi=300)
    plt.show()

最终得到的图像如下：