Python 使用PCA降低数据维度

在机器学习算法中使用的任何数据集都可能具有多个维度。然而，并非所有维度都对给出高效输出有所贡献，只会因为尺寸和复杂性增加而导致机器学习模型表现不佳。因此，消除数据集中的这些特征变得十分重要。为此，我们使用一种称为PCA的降维算法。

主成分分析（PCA）可帮助从数据集中删除不对优化结果有帮助的维度，从而创建一个较小且较简单的数据集，其中包含原始和有用信息的大部分内容。PCA基于特征提取的概念，即当将高维空间中的数据映射到低维空间时，后者的方差应该最大。

语法

pca = PCA(n_components = number)

在这里，PCA是执行降维的类，pca是从中创建的对象。它只需要一个参数 – 我们想要的主成分的数量。

此外，当与fit()、DataFrame()和head()函数一起使用时，它会返回包含主成分的新数据集作为表格，如我们在示例中所见。

步骤

第1步 - 导入Python的sklearn和pandas库，以及相关的子模块。
第2步 - 加载所需的数据集并将其转换为pandas数据帧。
第3步 - 使用标准缩放器对特征进行标准化，并将新数据集存储为pandas数据帧。
第4步 - 在缩放后的数据集上使用PCA类并创建一个对象。同时，传递主成分的数量，并根据需要适应并显示结果数据。

示例1

在这个例子中，我们将使用Python的sklearn库中已经存在的load_diabetes数据集来演示PCA的应用。为了做到这一点，我们将使用PCA类，但在此之前，我们需要处理和标准化数据集。

#import the required libraries 
from sklearn import datasets  #to get the load_diabetes dataset
from sklearn.preprocessing import StandardScaler #this standardizes the dimensions 
from sklearn.decomposition import PCA  #to perform PCA 
from sklearn.datasets import load_diabetes #the dataset that we will use to perform PCA 
import pandas as pd  #to work with the dataframes

#load the dataset as pandas dataframe
diabetes = datasets.load_diabetes()
df = pd.DataFrame(diabetes['data'], columns = diabetes['feature_names'])
df.head()  #displays the data frame when run in a different cell 

#standardize the dimensions by creating the object of StandardScaler
scalar = StandardScaler()
scaled_data = pd.DataFrame(scalar.fit_transform(df))
scaled_data  #displays the dataframe after standardization when run in a different cell

#apply pca
pca = PCA(n_components = 4)
pca.fit(scaled_data)
data_pca = pca.transform(scaled_data)
data_pca = pd.DataFrame(data_pca,columns=['PC1','PC2','PC3', 'PC4'])
data_pca.head()

加载糖尿病数据，返回一个类似于字典的对象，从中提取数据到Pandas Dataframe中。我们使用StandardScaler对数据进行标准化，并应用fit_transform()方法到创建的Pandas Dataframe。

在标准化的数据上调用fit()方法，将进行PCA分析。分析结果的数据再次存储在一个单独的数据帧中，并按如下所示打印出来。

输出

Python 使用PCA降低数据维度

由于我们选择了4个主成分，所以返回的输出有4列分别表示每个主成分。

示例2

在这个示例中，我们将从sklearn库中取得load_wine数据集。同时，这次我们将主成分的数量设置为3。

#import the required libraries 
from sklearn import datasets  #to get the load_wine dataset
from sklearn.preprocessing import StandardScaler #this standardizes the dimensions 
from sklearn.decomposition import PCA  #to perform PCA 
from sklearn.datasets import load_wine #the dataset that we will use to perform PCA 
import pandas as pd  #to work with the dataframes

#load the dataset as pandas dataframe
wine = datasets.load_wine()
df = pd.DataFrame(wine['data'], columns = wine['feature_names'])
df.head()  #displays the dataframe when run in a different cell 

#standardize the dimensions by creating the object of StandardScaler
scalar = StandardScaler()
scaled_data = pd.DataFrame(scalar.fit_transform(df))
scaled_data  #displays the dataframe after standardization when run in a different cell

#apply pca
pca = PCA(n_components = 3)
pca.fit(scaled_data)
data_pca = pca.transform(scaled_data)
data_pca = pd.DataFrame(data_pca,columns=['PC1','PC2','PC3'])
data_pca.head()