机器学习算法笔记系列之深入理解主成分分析PCA-Python实现篇
2016-04-19 16:53
1126 查看
Author: shizhixin
Blog: http://blog.csdn.net/shizhixin
Weibo:http://weibo.com/zhixinshi
Email: zstarstone@163.com
Date: 2016-04-19
Note: 本笔记是机器学习算法笔记系列之深入理解主成分分析PCA的实现篇,有自己写的Python实现版本的PCA,同时有调用scikit-learn接口进行实现PCA。
为了对比,实现篇中采用开源机器学习scikit-learn也实现了PCA,具体scikit-learn的安装配置过程参考博客: Scikit-learn的安装过程
Python的实现中仅仅为了演示PCA的处理过程,没有考虑到算法的通用性,比如选择降维的维度,对输入的样本进行维度要求等,没有优化代码。
scikit-learn的实现的确非常不错,而且有源码,想进一步学习的可以参考其源码,见参考文献。
scikit-learn,PCA 的相关介绍,http://scikit-learn.org/stable/modules/generated/sklearn.decomposition.PCA.html#sklearn.decomposition.PCA
scikit-learn,进一步阅读参考,http://scikit-learn.org/stable/modules/decomposition.html
Blog: http://blog.csdn.net/shizhixin
Weibo:http://weibo.com/zhixinshi
Email: zstarstone@163.com
Date: 2016-04-19
Note: 本笔记是机器学习算法笔记系列之深入理解主成分分析PCA的实现篇,有自己写的Python实现版本的PCA,同时有调用scikit-learn接口进行实现PCA。
1 简介及处理流程
主成分分析(PCA)算法原理请参考博客 机器学习算法笔记系列之深入理解主成分分析PCA。为了对比,实现篇中采用开源机器学习scikit-learn也实现了PCA,具体scikit-learn的安装配置过程参考博客: Scikit-learn的安装过程
2 源代码
# -*- coding: utf-8 -*- #**Author:** shizhixin #**Blog:** http://blog.csdn.net/shizhixin #**Weibo:**http://weibo.com/zhixinshi #**Email:** zstarstone@163.com #**Date:** 2016-04-14 #**Note:** 本源码是PCA算法实现篇,具体原理参考/article/9076619.html import numpy as np import matplotlib.pyplot as plt from sklearn.decomposition import PCA #const EPSILON = 0.00001 #input:dataSet原始矩阵X; #output:返回X的协方差矩阵,C = 1/(n-1) * X^T * X #Note:#计算协方差矩阵,C = 1/(n-1) * X^T * X,其中X为m*n的矩阵,m为样本数,n为维度 def my_cov(dataSet): mean_data = np.mean(dataSet,0) move_mean_data = dataSet - mean_data my_cov = (np.dot(move_mean_data.transpose(),move_mean_data)) / (dataSet.shape[0] - 1) return my_cov #input:mat_cov原始矩阵;eigV, eigVector矩阵特征值及对应的特征向量 #output:返回Ax = \lambda x是否相等,true为相等 #Note: 测试特征值是否计算正确,测试Ax = \lambda x是否相等 #注意这里两个浮点数相等的判断 def testEigh(mat_cov, eigV, eigVector): num_eigV = eigV.shape[0] for i in range(0, num_eigV): if (((mat_cov*eigVector[:,i]) - (eigV[i]*eigVector[:,i]))< EPSILON).all(): return True else: return False ###########coding by myself#################### fd = open('testSet.txt') lines = fd.readlines() m = len(lines) sampleDataSet = np.zeros((m,2)) for pos, line in enumerate(lines): numstr = line.split() sampleDataSet[pos, :] = map(float, numstr) p1 = plt.subplot(121) p1.plot(sampleDataSet[:,0],sampleDataSet[:,1],'.') mean_sample = np.mean(sampleDataSet, 0) move_mean_sample = sampleDataSet - mean_sample np_cov = np.cov(move_mean_sample,rowvar=0) my_cov_mat = my_cov(sampleDataSet) mat_cov = np.mat(np_cov) (eigV, eigVector) = np.linalg.eigh(mat_cov) if not testEigh(mat_cov, eigV, eigVector): print('the calc of eig vector is error') else: print eigVector pca_mat = eigVector[:,-1] pca_data = np.mat(move_mean_sample)*pca_mat recon_data = (pca_data *pca_mat.T)+mean_sample p1.plot(recon_data[:,0],recon_data[:,1],'*') p2 = plt.subplot(122) p2.plot(sampleDataSet[:,0],sampleDataSet[:,1],'.') ###########coding by scikit-learn#################### X=sampleDataSet pca = PCA(n_components=1) pca.fit(X) X_new = pca.transform(X) print(pca.explained_variance_ratio_) print X_new XX = pca.inverse_transform(X_new) p2.plot(XX[:,0],XX[:,1],'*') plt.show()
3 结果展示
4 个人总结
本篇用Python对PCA做了实现,一方面由于Python处于学习中,没有对PCA函数进行封装,应该参考skilearn建立一个PCA的类,类中包含获取特征值,特征向量,数据重构等内容。Python的实现中仅仅为了演示PCA的处理过程,没有考虑到算法的通用性,比如选择降维的维度,对输入的样本进行维度要求等,没有优化代码。
scikit-learn的实现的确非常不错,而且有源码,想进一步学习的可以参考其源码,见参考文献。
5 致谢文献
scikit-learn,PCA 的skilearn源码实现,https://github.com/scikit-learn/scikit-learn/blob/51a765acfa4c5d1ec05fc4b406968ad233c75162/sklearn/decomposition/pca.pyscikit-learn,PCA 的相关介绍,http://scikit-learn.org/stable/modules/generated/sklearn.decomposition.PCA.html#sklearn.decomposition.PCA
scikit-learn,进一步阅读参考,http://scikit-learn.org/stable/modules/decomposition.html
相关文章推荐
- Mac 安装 Scrapy
- wxPython 图形界面程序时 多个显示器问题。
- Python中关于封装,继承,多态的表述
- python3时间处理
- Python 解析配置模块之ConfigParser详解
- Python 编辑器 tips
- python 字典get方法
- Python学习(2)基本语法
- python学习笔记(pict+requests+xml)
- 【python小练】0017-将xls文件内容写入xml文件中
- Python学习笔记(九)
- python学习
- python 鸭子类型
- Python字符串的方法及注释
- python 安装lxml失败
- Python webdriver 常见异常及描述
- python itertools模块
- Python webdriver 读取本地csv文件中数据 提示:IOError: [Errno 2] No such file or directory
- Ubuntu14.04通过pyenv配置多python
- python 基本语法