基於 Python 的主成分分析

主成分分析(PCA): 是一種代數技術，用於將一組可能相關變量的觀測值轉換為一組線性不相關變量的值。

選擇所有主成分來描述變量中的大部分可用方差，並且所有主成分彼此正交。在主成分的所有集合中，第一主成分總是具有最大方差。

主成分分析的不同用途:

• 主成分分析可用於發現數據中各種變量之間的相互關係。
• 主成分分析可用於解釋和可視化數據集。
• 主成分分析還可以用於可視化種群之間的遺傳距離和聯繫。
• 隨着變量數量的減少，主成分分析也使分析變得簡單。

主成分分析通常在正方形對稱矩陣上執行，這可以是正方形和叉積矩陣或相關矩陣或協方差矩陣的純和。如果個體差異較大，則使用相關矩陣。

主成分分析的目標是什麼？

常設仲裁院的基本目標如下:

• 主成分分析是一種不依賴的方法，可用於將屬性空間從集合的大量變量減少到更少的因子。
• 這是一種降維技術，但無法保證該維是否可解釋。
• 在主成分分析中，主要工作是從一個更大的集合中選擇變量的子集，這取決於哪些原始變量與本金金額具有最高的相關性。

主軸法:主成分分析搜索變量的線性組合，從變量中提取最大方差。一旦主成分分析完成該過程，它將前進到另一個線性組合，這將解釋剩餘方差的最大比率，這將導致集合的正交因子。這種方法用於分析集合變量的總方差。

本徵向量:是矩陣相乘後保持平行的非零向量。假設『V』是維數為 R * R 的矩陣 K 的維數為 R 的特徵向量，如果 KV 和 V 平行。那麼用戶必須求解 KV = PV，其中 V 和 P 對於求解本徵向量和特徵值都是未知的。

特徵值:在 PCA 中又稱為「特徵根」。這用於測量集合中所有變量的方差，由該因子報告。特徵值的比例是關於變量的因素的描述重要性的比例。如果因子低，那麼它對變量描述的補貼就少。

現在，我們將用 Python 討論主成分分析。

以下是在 Python 中使用主成分分析的步驟:

在本教程中，我們將使用 wine.csv 數據集。

步驟 1: 我們將導入庫。

import numpy as nmp
import matplotlib.pyplot as mpltl
import pandas as pnd

第二步:我們將導入數據集(wine.csv)

首先，我們將導入數據集，並將其分發到 X 和 Y 組件中進行數據分析。

DS = pnd.read_csv('Wine.csv')

# Now, we will distribute the dataset into two components "X" and "Y"

X = DS.iloc[: , 0:13].values
Y = DS.iloc[: , 13].values

第三步:在這一步中，我們將數據集拆分為訓練集和測試集。

from sklearn.model_selection import train_test_split as tts

X_train, X_test, Y_train, Y_test = tts(X, Y, test_size = 0.2, random_state = 0)

第 4 步:現在，我們將進行特徵縮放。

在這一步中，我們將對訓練和測試集進行重新處理，例如，擬合標準尺度。

from sklearn.preprocessing import StandardScaler as SS
SC = SS()

X_train = SC.fit_transform(X_train)
X_test = SC.transform(X_test)

步驟 5: 然後，應用主成分分析功能

我們將把主成分分析函數應用到訓練集和測試集中進行分析。

from sklearn.decomposition import PCA

PCa = PCA (n_components = 1)

X_train = PCa.fit_transform(X_train)
X_test = PCa.transform(X_test)

explained_variance = PCa.explained_variance_ratio_

步驟 6: 現在，我們將為訓練集擬合邏輯回歸

from sklearn.linear_model import LogisticRegression as LR

classifier_1 = LR (random_state = 0)
classifier_1.fit(X_train, Y_train)

輸出:

LogisticRegression(random_state=0)

第七步:這裡我們來預測測試集結果:

Y_pred = classifier_1.predict(X_test)

第八步:我們將創建混淆矩陣。

from sklearn.metrics import confusion_matrix as CM

c_m = CM (Y_test, Y_pred)

步驟 9: 然後，預測訓練集的結果。

from matplotlib.colors import ListedColormap as LCM

X_set, Y_set = X_train, Y_train
X_1, X_2 = nmp.meshgrid(nmp.arange(start = X_set[:, 0].min() - 1,
                     stop = X_set[: , 0].max() + 1, step = 0.01),
                     nmp.arange(start = X_set[: , 1].min() - 1,
                     stop = X_set[: , 1].max() + 1, step = 0.01))

mpltl.contourf(X_1, X_2, classifier_1.predict(nmp.array([X_1.ravel(),
             X_2.ravel()]).T).reshape(X_1.shape), alpha = 0.75,
             cmap = LCM (('yellow', 'grey', 'green')))

mpltl.xlim (X_1.min(), X_1.max())
mpltl.ylim (X_2.min(), X_2.max())

for s, t in enumerate(nmp.unique(Y_set)):
    mpltl.scatter(X_set[Y_set == t, 0], X_set[Y_set == t, 1],
                c = LCM (('red', 'green', 'blue'))(s), label = t)

mpltl.title('Logistic Regression for Training set: ')
mpltl.xlabel ('PC_1') # for X_label
mpltl.ylabel ('PC_2') # for Y_label
mpltl.legend() # for showing legend

# show scatter plot
mpltl.show()

輸出:

步驟 10: 最後，我們將可視化測試集的結果。

from matplotlib.colors import ListedColormap as LCM

X_set, Y_set = X_test, Y_test

X_1, X_2 = nmp.meshgrid(nmp.arange(start = X_set[: , 0].min() - 1,
                     stop = X_set[: , 0].max() + 1, step = 0.01),
                     nmp.arange(start = X_set[: , 1].min() - 1,
                     stop = X_set[: , 1].max() + 1, step = 0.01))

mpltl.contourf(X_1, X_2, classifier_1.predict(nmp.array([X_1.ravel(),
             X_2.ravel()]).T).reshape(X_1.shape), alpha = 0.75,
             cmap = LCM(('pink', 'grey', 'aquamarine')))

mpltl.xlim(X_1.min(), X_1.max())
mpltl.ylim(X_2.min(), X_2.max())

for s, t in enumerate(nmp.unique(Y_set)):
    mpltl.scatter(X_set[Y_set == t, 0], X_set[Y_set == t, 1],
                c = LCM(('red', 'green', 'blue'))(s), label = t)

# title for scatter plot
mpltl.title('Logistic Regression for Testing set')
mpltl.xlabel ('PC_1') # for X_label
mpltl.ylabel ('PC_2') # for Y_label
mpltl.legend()

# show scatter plot
mpltl.show()

輸出:

結論

在本教程中，我們學習了 Python 的主成分分析、它的用途和對象，以及如何在數據集上使用它來分析數據的測試和訓練集。