python统计分析---6.主成分分析

1. 主成分分析

#导入包
import numpy as np
import pandas as pd
import statsmodels.formula.api as smf
from sklearn import linear_model
import seaborn as sns
import matplotlib.pyplot as plt
%matplotlib inline

#使用pandas读取数据支持xls和xlsx
data=pd.read_excel("bankloan_binning.xlsx")
data.head(6)#显示数据开头6行

主成分分析自带的案例

import mglearn
mglearn.plots.plot_pca_illustration()

可能需要先导入mglearn包

pip install mglearn

• 主成分分析特点

1. 降维：将高维降为低维

2. 降维导致信息量损失

3. 降维损失达到70%以内就能达到要求

4. PCA相当于一种特殊的回归

主成分几个标准
1. Z1>50%;
2. Z1+Z2>70%;
3. Z1/Z2>3;
4. 尽量压缩到前两个主成分Z1和Z2（理想的情况下），因为在做数据展示的时候二维空间更好的表达图形
5. 不管有多少维度尽量用两个维度来表达

降维到2到3个为最佳

from sklearn.decomposition import PCA
#PCA主成分分析,n_components保留几个主成分，可以保留个数或者百分比n_components=6（个数也可以）
pca=PCA(n_components=0.8).fit(zraw1)
pca.explained_variance_ #主成分特征值
pca.explained_variance_ratio_#主成分的解释方差百分比
# pca.components_#特征向量

#保存主成分
#累计贡献率,保存几个主成分，可以保存主成分的贡献率达到多少保留，也可以保留主成分的个数
pca = PCA(n_components=2).fit_transform(zraw1)#保存两个主成分
raw[["z1","z2"]]=pd.DataFrame(pca)
raw.head(2)

Z1和Z2不是特征变量的任何一个，而是这些变量整合而来的共同成分，整合到一起的两个主要特征。

大数据的包实现主成分分析

from sklearn.decomposition import PCA

小数据的包实现主成分分析

from statsmodels.multivariate.pca import PCA # 小数据的包实现主成分分析

两个包都能实现主成分分析，但是适用场景会不一样。

• 大数据分析

from sklearn.decomposition import PCA #大数据的包实现主成分分析
#PCA主成分分析,n_components保留几个主成分，可以保留个数或者百分比n_components=6（个数也可以）
pca=PCA(n_components=0.8).fit(zraw1)
pca.explained_variance_ #主成分特征值
pca.explained_variance_ratio_#主成分的解释方差百分比
# pca.components_#特征向量

• 小数据分析

#---------对比多变量主成分--------
from statsmodels.multivariate.pca import PCA # 小数据的包实现主成分分析
stat_pca=PCA(zraw1,ncomp=3,standardize=True,method='eig')
stat_pca.factors#主成分得分
stat_pca.loadings#载荷
stat_pca.coeff#系数
stat_pca.rsquare#解释比例