主成分分析PCA
第一主成分
# coding: utf-8
import numpy as np
import matplotlib.pyplot as plt
X = np.empty((100, 2))
X[:, 0] = np.random.uniform(0., 100., size=100)
X[:, 1] = 0.75*X[:, 0] + 3. + np.random.normal(0., 10., size=100)
def demean(X):
"""
归零化处理, 不能用归一化和标准化
:param X: 样本特征
:return: 归零化后的特征
"""
return X - np.mean(X, axis=0)
X_demean = demean(X)
def F(w, X_demean):
"""
梯度上升法的效用函数
:param w:
:param X_demean:归零化后的样本特征
:return:效用函数的值
"""
return np.sum(X.dot(w)**2)/len(X)
def dF(w, F):
"""
梯度函数
:param w:第一主成分方向向量
:param F:效用函数
:return:梯度值
"""
return X.T.dot(X.dot(w))*2./len(X)
def grident_ascent(X, initial_w, eta=0.001, n_iters=10000, epsilon=1):
"""
梯度上升法求解
:param X: 归零化的样本特征
:param initial_w: 初始向量
:param eta: 学习率
:param n_iters:
:param epsilon:
:return:第一主成分单位向量
"""
direction = lambda w: w/np.linalg.norm(w)
X_demean = demean(X)
w = direction(initial_w)
current_iter = 0
while current_iter < n_iters:
grident = dF(w, X)
last_w = w
w = w + eta * grident
# 每次循环均应把向量转换成单位向量
w = direction(w)
if abs(F(w,X_demean) - F(last_w, X_demean)) < epsilon:
break
current_iter += 1
return w
if __name__ == '__main__':
# 向量的初始值不能为0
initial_w = np.random.random(X.shape[1])
w = grident_ascent(X, initial_w)
print(w)
plt.scatter(X_demean[:, 0], X_demean[:, 1])
plt.plot([0, w[0]*30], [0, w[1]*30], color="r")
plt.show()
前n主成分
def first_n_components(n, X, eta=0.001, n_iters=10000, epsilon=1):
"""
前n个主成分
:param n:需要的主成分个数
:param X:样本特征
:param eta:学习率
:param n_iters:最大迭代次数
:param epsilon:及机器精度
:return: 前n个主成分的列表
"""
X_pca = X.copy()
res = []
for i in range(n):
initial_w = np.random.random(X_pca.shape[1])
w = first_component(X_pca, initial_w, eta, n_iters, epsilon)
res.append(w)
X_pca = X_pca - X_pca.dot(w).reshape(-1, 1) * w
return res
PCA降维描述
非监督学习
求得一个方向向量向量使得效用函数(方差)取极大值.
降维前对样本归零化处理(denean), 即所有项减去均值.
用于降维, 降噪, 可视化, 特征脸
PCA降维接口
from sklearn.decomposition import PCA
# 传入0-1的小数表示保留的方差比例, 传入n_components=2表示保留的维度
pca =PCA()
pca.fit(data)
X_pca = pca.fit_transform(X) # 降维
X = pca.inverse_transform(X_pca ) # 恢复维度
通过PCA降维n_components=2后进行可视化
# n 为目标种类
for i in range(n):
plt.scatter(X_pca[y==i, 0], X_pca[y==i, 1], alpha=0.5)