python实现pca降维_【机器学习算法-python实现】PCA 主成分分析、降维

2014-07-17 09:40 4036人阅读 评论(4) 收藏 举报

本文章已收录于：

版权声明：本文为博主原创文章，未经博主允许不得转载。

1.背景

PCA(Principal Component Analysis)，PAC的作用主要是降低数据集的维度，然后挑选出主要的特征。

PCA的主要思想是移动坐标轴，找到方差最大的方向上的特征值，什么叫方差最大的方向的特征值呢。就像下图中的曲线B，一样，它的覆盖范围最广。

基本步骤：(1)首先计算数据集的协方差矩阵

(2)计算协方差矩阵的特征值和特征向量

(3)保留最重要的n个特征

what is 协方差矩阵：

定义是变量向量减去均值向量，然后乘以变量向量减去均值向量的转置再求均值。例如x是变量，μ是均值，协方差矩阵等于E[(x-μ)(x-μ)^t]，物理意义是这样的，例如x=(x1,x2,...,xi)那么协方差矩阵的第m行n列的数为xm与xn的协方差，若m=n，则是xn的方差。如果x的元素之间是独立的，那么协方差矩阵只有对角线是有值，因为x独立的话对于m≠n的情况xm与xn的协方差为0。另外协方差矩阵是对称的。

可以参考wiki：(http://zh.wikipedia.org/wiki/%E5%8D%8F%E6%96%B9%E5%B7%AE%E7%9F%A9%E9%98%B5)

2.代码实现

伪代码如下(摘自机器学习实战)：

'''''

@author: Garvin

'''

from numpy import *

import matplotlib.pyplot as plt

def loadDataSet(fileName, delim='\t'):

fr = open(fileName)

stringArr = [line.strip().split(delim) for line in fr.readlines()]

datArr = [map(float,line) for line in stringArr]

return mat(datArr)

def pca(dataMat, topNfeat=9999999):

meanVals = mean(dataMat, axis=0)

meanRemoved = dataMat - meanVals #remove mean

covMat = cov(meanRemoved, rowvar=0)

eigVals,eigVects = linalg.eig(mat(covMat))

eigValInd = argsort(eigVals)            #sort, sort goes smallest to largest

eigValInd = eigValInd[:-(topNfeat+1):-1]  #cut off unwanted dimensions

redEigVects = eigVects[:,eigValInd]       #reorganize eig vects largest to smallest

lowDDataMat = meanRemoved * redEigVects#transform data into new dimensions

reconMat = (lowDDataMat * redEigVects.T) + meanVals

return lowDDataMat, reconMat

def plotBestFit(dataSet1,dataSet2):

dataArr1 = array(dataSet1)

dataArr2 = array(dataSet2)

n = shape(dataArr1)[0]

n1=shape(dataArr2)[0]

xcord1 = []; ycord1 = []

xcord2 = []; ycord2 = []

xcord3=[];ycord3=[]

j=0

for i in range(n):

xcord1.append(dataArr1[i,0]); ycord1.append(dataArr1[i,1])

xcord2.append(dataArr2[i,0]); ycord2.append(dataArr2[i,1])

fig = plt.figure()

ax = fig.add_subplot(111)

ax.scatter(xcord1, ycord1, s=30, c='red', marker='s')

ax.scatter(xcord2, ycord2, s=30, c='green')

plt.xlabel('X1'); plt.ylabel('X2');

plt.show()

if __name__=='__main__':

mata=loadDataSet('/Users/hakuri/Desktop/testSet.txt')

a,b= pca(mata, 2)

loadDataSet函数是导入数据集。

PCA输入参数：参数一是输入的数据集，参数二是提取的维度。比如参数二设为1，那么就是返回了降到一维的矩阵。

PCA返回参数：参数一指的是返回的低维矩阵，对应于输入参数二。参数二对应的是移动坐标轴后的矩阵。

上一张图，绿色为原始数据，红色是提取的2维特征。

3.代码下载

下载地址：请点击我

/********************************

* 本文来自博客  “李博Garvin“

******************************************/