scikit-learn中PCA的使用方法
@author:wepon
@blog:http://blog.csdn.net/u012162613/article/details/42192293
在前一篇文章 主成分分析(PCA) 中,我基於python和numpy實現了PCA算法,主要是爲了加深對算法的理解,算法的實現很粗糙,實際應用中我們一般調用成熟的包,本文就結束scikit-learn中PCA使用的方法和需要注意的細節,參考:sklearn.decomposition.PCA
1、函數原型及參數說明
sklearn.decomposition.PCA(n_components=None, copy=True, whiten=False)
意義:PCA算法中所要保留的主成分個數n,也即保留下來的特徵個數n類型:int 或者 string,缺省時默認爲None,所有成分被保留。賦值爲int,比如n_components=1,將把原始數據降到一個維度。賦值爲string,比如n_components='mle',將自動選取特徵個數n,使得滿足所要求的方差百分比。
copy:
類型:bool,True或者False,缺省時默認爲True。意義:表示是否在運行算法時,將原始訓練數據複製一份。若爲True,則運行PCA算法後,原始訓練數據的值不 會有任何改變,因爲是在原始數據的副本上進行運算;若爲False,則運行PCA算法後,原始訓練數據的 值會改,因爲是在原始數據上進行降維計算。
whiten:
類型:bool,缺省時默認爲False
意義:白化,使得每個特徵具有相同的方差。關於“白化”,可參考:Ufldl教程
2、PCA對象的屬性
3、PCA對象的方法
- fit(X,y=None)
- fit_transform(X)
- inverse_transform()
- transform(X)
4、example
>>> data
array([[ 1. , 1. ],
[ 0.9 , 0.95],
[ 1.01, 1.03],
[ 2. , 2. ],
[ 2.03, 2.06],
[ 1.98, 1.89],
[ 3. , 3. ],
[ 3.03, 3.05],
[ 2.89, 3.1 ],
[ 4. , 4. ],
[ 4.06, 4.02],
[ 3.97, 4.01]])
data這組數據,有兩個特徵,因爲兩個特徵是近似相等的,所以用一個特徵就能表示了,即可以降到一維。下面就來看看怎麼用sklearn中的PCA算法包。
>>> from sklearn.decomposition import PCA
>>> pca=PCA(n_components=1)
>>> newData=pca.fit_transform(data)
>>> newData
array([[-2.12015916],
[-2.22617682],
[-2.09185561],
[-0.70594692],
[-0.64227841],
[-0.79795758],
[ 0.70826533],
[ 0.76485312],
[ 0.70139695],
[ 2.12247757],
[ 2.17900746],
[ 2.10837406]])
>>> data
array([[ 1. , 1. ],
[ 0.9 , 0.95],
[ 1.01, 1.03],
[ 2. , 2. ],
[ 2.03, 2.06],
[ 1.98, 1.89],
[ 3. , 3. ],
[ 3.03, 3.05],
[ 2.89, 3.1 ],
[ 4. , 4. ],
[ 4.06, 4.02],
[ 3.97, 4.01]])
(2)將copy設置爲False,原始數據data將發生改變。
>>> pca=PCA(n_components=1,copy=False)
>>> newData=pca.fit_transform(data)
>>> data
array([[-1.48916667, -1.50916667],
[-1.58916667, -1.55916667],
[-1.47916667, -1.47916667],
[-0.48916667, -0.50916667],
[-0.45916667, -0.44916667],
[-0.50916667, -0.61916667],
[ 0.51083333, 0.49083333],
[ 0.54083333, 0.54083333],
[ 0.40083333, 0.59083333],
[ 1.51083333, 1.49083333],
[ 1.57083333, 1.51083333],
[ 1.48083333, 1.50083333]])
>>> pca=PCA(n_components='mle')
>>> newData=pca.fit_transform(data)
>>> newData
array([[-2.12015916],
[-2.22617682],
[-2.09185561],
[-0.70594692],
[-0.64227841],
[-0.79795758],
[ 0.70826533],
[ 0.76485312],
[ 0.70139695],
[ 2.12247757],
[ 2.17900746],
[ 2.10837406]])
>>> pca.n_components
1
>>> pca.explained_variance_ratio_
array([ 0.99910873])
>>> pca.explained_variance_
array([ 2.55427003])
>>> pca.get_params
<bound method PCA.get_params of PCA(copy=True, n_components=1, whiten=False)>
我們所訓練的pca對象的n_components值爲1,即保留1個特徵,該特徵的方差爲2.55427003,佔所有特徵的方差百分比爲0.99910873,意味着幾乎保留了所有的信息。get_params返回各個參數的值。
>>> newA=pca.transform(A)
對新的數據A,用已訓練好的pca模型進行降維。>>> pca.set_params(copy=False)
PCA(copy=False, n_components=1, whiten=False)
設置參數。