運用sklearn進行主成分分析(PCA)程式碼實現
運用sklearn進行主成分分析(PCA)程式碼實現
一、前言及回顧
二、sklearn的PCA類介紹
三、分類結果區域視覺化函式
四、10行程式碼完成葡萄酒資料集分類
五、完整程式碼
六、總結
一、前言及回顧
從上一篇《PCA資料降維原理及python應用（葡萄酒案例分析）》，我們知道，主成分分析PCA是一種無監督資料壓縮技術，上一篇逐步自行寫程式碼能夠讓我更好地理解PCA內部實現機制，那知識熟悉以及技術成熟後我們可以運用什麼提高編碼效率？
答案就是：基於sklearn的主成分分析程式碼實現，使用PCA類進行無監督資料降維，仍然以葡萄酒資料集wine.data為案例，本文將運用sklearn封裝的PCA類來實現，提高編碼效率，而且會感覺十分簡單，前提需要學習理解PCA實現原理及步驟。
這裡回顧：《PCA資料降維原理及python應用（葡萄酒案例分析）》
二、sklearn的PCA類介紹
sklearn中的PCA類相當於一個轉換器，首先用訓練資料來擬合模型，以葡萄酒資料集為例，通過邏輯迴歸轉化樣本資料，實現了主成分分析以及特徵提取，直接呼叫PCA類即可。
三、分類結果區域視覺化函式
為了在分類結果區別決策區域並可視化表示，這裡編寫plot_decision_region函式。
def plot_decision_regions(x, y, classifier, resolution=0.02):
markers = ['s', 'x', 'o', '^', 'v']
colors = ['r', 'g', 'b', 'gray', 'cyan']
cmap = ListedColormap(colors[:len(np.unique(y))])
x1_min, x1_max = x[:, 0].min() - 1, x[:, 0].max() + 1
x2_min, x2_max = x[:, 1].min() - 1, x[:, 1].max() + 1
xx1, xx2 = np.meshgrid(np.arange(x1_min, x1_max, resolution), np.arange(x2_min, x2_max, resolution))
z = classifier.predict(np.array([xx1.ravel(), xx2.ravel()]).T)
z = z.reshape(xx1.shape)
plt.contourf(xx1, xx2, z, alpha=0.4, cmap=cmap)
for idx, cc in enumerate(np.unique(y)):
plt.scatter(x=x[y == cc, 0],
y=x[y == cc, 1],
alpha=0.6,
c=cmap(idx),
edgecolor='black',
marker=markers[idx],
label=cc)四、10行程式碼完成葡萄酒資料集分類
10行感覺是否很簡單，確實關鍵步驟呼叫PCA類和plt畫圖總共10行。
程式碼如下：
pca = PCA(n_components=2) # 前兩個主成分
lr = LogisticRegression() # 邏輯迴歸來擬合模型
x_train_pca = pca.fit_transform(x_train_std)
x_test_pca = pca.fit_transform(x_test_std)
lr.fit(x_train_pca, y_train)
plot_decision_regions(x_train_pca, y_train, classifier=lr)
plt.xlabel('PC1')
plt.ylabel('PC2')
plt.legend(loc='lower left')
plt.show()這裡看出使用到的主成分也是前兩個，使用邏輯迴歸對訓練資料進行擬合，建立模型。
來看看結果就是這樣。訓練集上的分類效果還是很不錯，跟上次自己實現的PCA幾乎一樣，這次加上了區域的邊界劃分，更加直觀！
測試集上呢?居然是這樣！
觀察一下，發現好像也不是分類錯誤，而是發生映象反轉了。造成這種差異的原因是，在測試集上的特徵向量正負方向問題，所以需要將測試資料乘以-1反轉映象，從而得到正確的影象。
上面測試資料的pca直接乘以-1，修改為：
x_test_pca = pca.fit_transform(x_test_std) * -1 # 預測時候特徵向量正負問題，乘-1反轉映象
這時候映象反轉就對了：看效果在測試集上的分類也不錯。
當然，資料載入以及標準化處理還是原來的方法。
# load data
df_wine = pd.read_csv('D:\\PyCharm_Project\\maching_learning\\wine_data\\wine.data', header=None) # 本地載入
# split the data，train：test=7:3
x, y = df_wine.iloc[:, 1:].values, df_wine.iloc[:, 0].values
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.3, stratify=y, random_state=0)
# standardize the feature 標準化單位方差
sc = StandardScaler()
x_train_std = sc.fit_transform(x_train)
x_test_std = sc.fit_transform(x_test)
五、完整程式碼
這裡完整給出程式碼，並實現訓練效果和測效果子圖的對比。
from sklearn.linear_model import LogisticRegression
from sklearn.decomposition import PCA
from sklearn.preprocessing import StandardScaler
from sklearn.model_selection import train_test_split
from matplotlib.colors import ListedColormap
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np
def plot_decision_regions(x, y, classifier, resolution=0.02):
markers = ['s', 'x', 'o', '^', 'v']
colors = ['r', 'g', 'b', 'gray', 'cyan']
cmap = ListedColormap(colors[:len(np.unique(y))])
x1_min, x1_max = x[:, 0].min() - 1, x[:, 0].max() + 1
x2_min, x2_max = x[:, 1].min() - 1, x[:, 1].max() + 1
xx1, xx2 = np.meshgrid(np.arange(x1_min, x1_max, resolution), np.arange(x2_min, x2_max, resolution))
z = classifier.predict(np.array([xx1.ravel(), xx2.ravel()]).T)
z = z.reshape(xx1.shape)
plt.contourf(xx1, xx2, z, alpha=0.4, cmap=cmap)
for idx, cc in enumerate(np.unique(y)):
plt.scatter(x=x[y == cc, 0],
y=x[y == cc, 1],
alpha=0.6,
c=cmap(idx),
edgecolor='black',
marker=markers[idx],
label=cc)
def main():
# load data
# df_wine = pd.read_csv('D:\\PyCharm_Project\\maching_learning\\wine_data\\wine.data', header=None) # 本地載入
df_wine = pd.read_csv('https://archive.ics.uci.edu/ml/machine-learning-databases/wine/wine.data',
header=None) # 伺服器載入
# split the data，train：test=7:3
x, y = df_wine.iloc[:, 1:].values, df_wine.iloc[:, 0].values
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.3, stratify=y, random_state=0)
# standardize the feature 標準化單位方差
sc = StandardScaler()
x_train_std = sc.fit_transform(x_train)
x_test_std = sc.fit_transform(x_test)
pca = PCA(n_components=2)
lr = LogisticRegression()
x_train_pca = pca.fit_transform(x_train_std)
x_test_pca = pca.fit_transform(x_test_std) * -1 # 預測時候特徵向量正負問題，乘-1反轉映象
lr.fit(x_train_pca, y_train)
plt.figure(figsize=(6, 7), dpi=100) # 畫圖高寬，畫素
plt.subplot(2, 1, 1)
plot_decision_regions(x_train_pca, y_train, classifier=lr)
plt.title('Training Result')
plt.xlabel('PC1')
plt.ylabel('PC2')
plt.legend(loc='lower left')
plt.subplot(2, 1, 2)
plot_decision_regions(x_test_pca, y_test, classifier=lr)
plt.title('Testing Result')
plt.xlabel('PC1')
plt.ylabel('PC2')
plt.legend(loc='lower left')
plt.tight_layout() # 子圖間距
plt.show()
if __name__ == '__main__':
main()
六、總結
這次學到了基於sklearn的主成分分析程式碼實現，使用PCA類進行無監督資料降維，明顯感受到編碼效率提高許多，而且會感覺十分簡單，前提需要學習理解PCA實現原理及步驟，接下來準備學習第二種降維技術LDA，大夥來一起學習，分享學習成果！
我的部落格園：https://www.cnblogs.com/chenzhenhong/p/13491526.html
我的CSDN：基於sklearn的主成分分析(PCA)程式碼實現
版權宣告：本文為博主原創文章，遵循 CC 4.0 BY-SA 版權協議，轉載請附上原文出處連結和本宣告。
本文連結：https://blog.csdn.net/Charzous/article/details/107958972
&n