1. 程式人生 > >轉:PCA的Python實現

轉:PCA的Python實現

特征值 1.5 取值 transform tail div axis 準備 重構

http://blog.csdn.net/jerr__y/article/details/53188573

本文主要參考下面的文章,文中的代碼基本是把第二篇文章的代碼手寫實現了一下。
- pca講解:http://www.cnblogs.com/jerrylead/archive/2011/04/18/2020209.html
- python實現:http://blog.csdn.net/u012162613/article/details/42177327

總體代碼

"""
總的代碼.
Func: 對原始的特征矩陣進行降維, lowDataMat為降維之後返回新的特征矩陣。
Usage: lowDDataMat = pca(dataMat, k)
"""
# 零均值化
def zeroMean(dataMat):
    # 求各列特征的平均值
    meanVal = np.mean(dataMat, axis=0)
    newData = dataMat - meanVal
    return newData, meanVal
def pca(dataMat,k):  
    newData,meanVal=zeroMean(dataMat)  
    covMat=np.cov(newData,rowvar=0)    #求協方差矩陣,return ndarray;若rowvar非0,一列代表一個樣本,為0,一行代表一個樣本  

    eigVals,eigVects=np.linalg.eig(np.mat(covMat))#求特征值和特征向量,特征向量是按列放的,即一列代表一個特征向量  
    eigValIndice=np.argsort(eigVals)            #對特征值從小到大排序  
    k_eigValIndice=eigValIndice[-1:-(k+1):-1]   #最大的k個特征值的下標  
    k_eigVect=eigVects[:,k_eigValIndice]        #最大的k個特征值對應的特征向量  
    lowDDataMat=newData*k_eigVect               #低維特征空間的數據
    return lowDDataMat
#     reconMat=(lowDDataMat*k_eigVect.T)+meanVal  #重構數據  
#     return lowDDataMat,reconMat  
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23

下面逐步來實現PCA

(0)先準備好數據

import numpy as np
  • 1
# n維的原始數據,本例中n=2。
data = np.array([[2.5,2.4], [0.5, 0.7], [2.2, 2.9], [1.9, 2.2], [3.1, 3.0], [2.3, 2.7],                 [2, 1.6], [1, 1.1], [1.5, 1.6], [1.1, 0.9]])
print data
  • 1
  • 2
  • 3
  • 4
[[ 2.5  2.4]
 [ 0.5  0.7]
 [ 2.2  2.9]
 [ 1.9  2.2]
 [ 3.1  3. ]
 [ 2.3  2.7]
 [ 2.   1.6]
 [ 1.   1.1]
 [ 1.5  1.6]
 [ 1.1  0.9]]
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11

(1)零均值化

# (1)零均值化
def zeroMean(dataMat):
    # 求各列特征的平均值
    meanVal = np.mean(dataMat, axis=0)
    newData = dataMat - meanVal
    return newData, meanVal
newData, meanVal = zeroMean(data)
print ‘the newData is \n‘, newData
print ‘the meanVal is \n‘, meanVal
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
the newData is 
[[ 0.69  0.49]
 [-1.31 -1.21]
 [ 0.39  0.99]
 [ 0.09  0.29]
 [ 1.29  1.09]
 [ 0.49  0.79]
 [ 0.19 -0.31]
 [-0.81 -0.81]
 [-0.31 -0.31]
 [-0.71 -1.01]]
the meanVal is 
[ 1.81  1.91]
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14

(2)對各維特征的協方差矩陣

# (2)求協方差矩陣,rowvar=036表示每列對應一維特征
covMat = np.cov(newData, rowvar=0)
print covMat
# 若rowvar=1表示沒行是一維特征,每列表示一個樣本,顯然咱們的數據不是這樣的
# covMat2 = np.cov(newData, rowvar=1)
# print covMat2
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
[[ 0.61655556  0.61544444]
 [ 0.61544444  0.71655556]]
  • 1
  • 2
  • 3

(3)求(2)中的協方差矩陣的特征值和特征向量

# (3)求協方差矩陣的特征值和特征向量,利用numpy中的線性代數模塊linalg中的eig函數
eigVals, eigVects = np.linalg.eig(np.mat(covMat))
print ‘特征值為:\n‘, eigVals
print ‘特征向量為\n‘, eigVects
  • 1
  • 2
  • 3
  • 4
特征值為:
[ 0.0490834   1.28402771]
特征向量為
[[-0.73517866 -0.6778734 ]
 [ 0.6778734  -0.73517866]]
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6

上面的結果中:
特征值為:

[ 0.0490834 1.28402771]

特征向量為

[[-0.73517866 -0.6778734 ]

[0.6778734 -0.73517866]]

特征值0.0490834對應的特征向量是第一列(-0.73517866 0.6778734)T

(4)降維到k維(k < n)

# (4)保留主要的成分,將特征值按照從大到小的順序排序,選擇其中最大的k個,然後將對應的k個特征向量分別作為列向量組成的特征向量矩陣。
# 比如本例子中保留1.28402771對應的特征向量(-0.6778734 -0.73517866)^T
k = 1 # 此例中取k = 1
eigValIndice = np.argsort(eigVals) # 從小到大排序
n_eigValIndice = eigValIndice[-1:-(k+1):-1] # 取值最大的k個下標
n_eigVect = eigVects[:, n_eigValIndice] # 取對應的k個特征向量
print n_eigVect
print n_eigVect.shape
lowDataMat = newData*n_eigVect # 低維特征空間的數據
reconMat = (lowDataMat * n_eigVect.T) + meanVal # 重構數據,得到降維之後的數據
print ‘將樣本點投影到選取的低維特征向量上,實際使用的是這個結果作為新的特征:\n‘, lowDataMat
print ‘降維之後的樣本:\n‘, reconMat
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
[[-0.6778734 ]
 [-0.73517866]]
(2L, 1L)
  • 1
  • 2
  • 3
  • 4

將樣本點投影到選取的低維特征向量上,實際使用的是這個結果作為新的特征

[[-0.82797019]
 [ 1.77758033]
 [-0.99219749]
 [-0.27421042]
 [-1.67580142]
 [-0.9129491 ]
 [ 0.09910944]
 [ 1.14457216]
 [ 0.43804614]
 [ 1.22382056]]
降維之後的樣本:
[[ 2.37125896  2.51870601]
 [ 0.60502558  0.60316089]
 [ 2.48258429  2.63944242]
 [ 1.99587995  2.11159364]
 [ 2.9459812   3.14201343]
 [ 2.42886391  2.58118069]
 [ 1.74281635  1.83713686]
 [ 1.03412498  1.06853498]
 [ 1.51306018  1.58795783]
 [ 0.9804046   1.01027325]]
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22

降維之後的樣本:

[[ 2.37125896 2.51870601]
[ 0.60502558 0.60316089]
[ 2.48258429 2.63944242]
[ 1.99587995 2.11159364]
[ 2.9459812 3.14201343]
[ 2.42886391 2.58118069]
[ 1.74281635 1.83713686]
[ 1.03412498 1.06853498]
[ 1.51306018 1.58795783]
[ 0.9804046 1.01027325]]
原始樣本:
[[ 2.5 2.4]
[ 0.5 0.7]
[ 2.2 2.9]
[ 1.9 2.2]
[ 3.1 3. ]
[ 2.3 2.7]
[ 2. 1.6]
[ 1. 1.1]
[ 1.5 1.6]
[ 1.1 0.9]]
通過比較可以看出,通過降維之後我們成功地實現了特征從二維降到了一維,降維之後會和原始數據有一定的變化,
我們可以認為通過這種方式消除了一部分的噪聲(當然實際上很可能損失了部分真實信息)。
——————————————-分割線———————————————————

利用sklearn實現PCA

  • 參考博文:http://blog.csdn.net/u012162613/article/details/42192293
# 原始數據
data = np.array([[2.5,2.4], [0.5, 0.7], [2.2, 2.9], [1.9, 2.2], [3.1, 3.0], [2.3, 2.7],                 [2, 1.6], [1, 1.1], [1.5, 1.6], [1.1, 0.9]])
# print data
  • 1
  • 2
  • 3
  • 4
# 好吧,就是這麽簡單
from sklearn.decomposition import PCA
pca = PCA(n_components=1)
new_feature = pca.fit_transform(data)
print new_feature
  • 1
  • 2
  • 3
  • 4
  • 5

[[-0.82797019]
[ 1.77758033]
[-0.99219749]
[-0.27421042]
[-1.67580142]
[-0.9129491 ]
[ 0.09910944]
[ 1.14457216]
[ 0.43804614]
[ 1.22382056]]

轉:PCA的Python實現