目录
2.2.2.1主成分分析
0、引言
特征降维是无监督学习的另一个应用,目的有二:
其一,在实际项目中遭遇特征维度非常高的训练样本,而往往又无法借助自己的领域知识人工构建有效特征;
其二,在数据表现方面,无法用肉眼观测超过三个维度的特征。
因此,特征降维不仅重构了有效的低维度特征向量,同时也为数据展现提供了可能。在特征降维的方法中,主成分分析(Principal Component Analysis)是最为经典和实用的特征降维技术,特别在辅助图形识别方面有突出的表现。
1、模型介绍
首先思考两个小例子,这也是解释低维度、信息冗余和PCA功能的。
有一组的数据
,假设这两个数据都反映到一个类别(分类)或者一个类簇(聚类)。如果学习模型是线性模型,那么这两个数据其实只能帮助权重参数更新一次,因为它们线性相关,所有的特征数值都只是扩张了相同的倍数;如果使用PCA分析的话,这个矩阵的“秩”是1,也就是说,在多样性程度上,这个矩阵只有一个自由度。
# 代码51:线性相关矩阵秩计算样例
# 导入numpy工具包。
import numpy as np
# 初始化一个2*2的线性相关矩阵。
M = np.array([[1, 2], [2, 4]])
# 计算2*2线性相关矩阵的秩。
np.linalg.matrix_rank(M, tol=None)
print(np.linalg.matrix_rank(M, tol=None))
再比如,图2-16所示的几张花洒图片。是试图将三维物体重新映射在二维照片的过程。在这个过程中,可以有无数种映射的角度。但是,可以通过肉眼判断出,最后一张的角度最为合适也最容易分辨。
其实,也可以把PCA当做特征选择,只是和普通理解的不同,这种特征选择是首先将原来的特征空间做了映射,使得新的映射后特征空间数据彼此正交