07_数据降维，降维算法，主成分分析PCA,NMF，线性判别分析LDA

本文主要是介绍07_数据降维，降维算法，主成分分析PCA,NMF，线性判别分析LDA，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

1、降维介绍

保证数据所具有的代表性特性或分布的情况下，将高维数据转化为低维数据。

聚类和分类都是无监督学习的典型任务，任务之间存在关联，比如某些高维数据的分类可以通过降维处理更好的获得。

降维过程可以被理解为数据集的组成成分进行分解（decomposition）的过程，因此sklearn为降维模块命名为decomposition。在对降维算法调用需要使用sklearn.decomposition模块
在这里插入图片描述

2、降维算法

转载：https://blog.csdn.net/bxg1065283526/article/details/80014481

（1）主成分分析（PCA）
主成分分析（Principal Component Analysis，PCA）是最常用的一种降维方法，通常用于高维数据集的探索与可视化，还可以用作数据压缩和预处理等。PCA可以把具有相关性的高维变量合成为线性无关的低维变量，称为主成分。主成分能够尽可能保留原始数据的信息。

其中需要理解的一些数学知识：
1、方差：是各个样本和样本均值的差的平方和的均值，用来度量一组数据的分散程度。
在这里插入图片描述
2、协方差：用于度量两个变量之间的线性相关性程度，若两个变量的协方差为0，则可认为二者线性无关。协方差矩阵则是由变量的协方差值构成的矩阵（对称阵）

3.特征向量：矩阵的特征向量是描述数据集结构的非零向量，并满足如下公式：
在这里插入图片描述
其中A是方阵，υ是特征向量，λ是特征值

算法原理： 矩阵的主成分就是其协方差矩阵对应的特征向量，按照对应的特征值大小进行排序，最大的特征值就是第一主成分，其次是第二主成分，以此类推。

算法过程：
在这里插入图片描述
具体使用：

使用sklearn.decomposition.PCA加载PCA进行降维，主要参数有：n_components：指定主成分的个数，即降维后数据的维度svd_solver ：设置特征值分解的方法，默认为‘auto’,其他可选有 ‘full’,‘arpack’, ‘randomized’

实例：
已知鸢尾花数据是4维的，共三类样本。使用PCA实现对鸢尾花数据进行降维，实现在二维平面上的可视化。

#加载可视化的库
import matplotlib.pyplot as plt#加载PCA算法包
from sklearn.decomposition import PCA#加载鸢尾花数据集导入函数
from sklearn.datasets import load_iris#以字典形式加载鸢尾花数据集
data = load_iris()# 使用y表示数据集中的目标值,即类别
y = data.target#使用X表示数据集中的标签
x = data.dataprint(y)
print("------------------------------")
print(x)print("==============================")#加载PCA算法，设置降维后主成分数目为2
pca = PCA(n_components=2)#对原始数据进行降维，保存在reduced_X中
reduce_X = pca.fit_transform(x)
print(reduce_X)# 按类别对降维后的数据进行保存
# 第一类数据点
red_x,red_y = [],[]
# 第二类数据点
blue_x,blue_y = [],[]
# 第三类数据点
green_x,green_y=[],[]for i in range(len(reduce_X)):if y[i] == 0:red_x.append(reduce_X[i][0])red_y.append(reduce_X[i][0])elif y[i] == 1:blue_x.append(reduce_X[i][0])blue_y.append(reduce_X[i][1])else:green_x.append(reduce_X[i][0])green_y.append(reduce_X[i][1])# 降维数据的可视化
plt.scatter(red_x,red_y,c='r',marker='x')
plt.scatter(blue_x,blue_y,c='b',marker='D')
plt.scatter(green_x,green_y,c='g',marker='.')
plt.show()

运行结果：
在这里插入图片描述

[0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 00 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 11 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 22 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 22 2]
------------------------------
[[5.1 3.5 1.4 0.2][4.9 3.  1.4 0.2][4.7 3.2 1.3 0.2][4.6 3.1 1.5 0.2][5.  3.6 1.4 0.2][5.7 3.8 1.7 0.3]
.......[6.5 3.  5.2 2. ][6.2 3.4 5.4 2.3][5.9 3.  5.1 1.8]]
==============================
[[-2.68412563  0.31939725][-2.71414169 -0.17700123][-2.88899057 -0.14494943][-2.74534286 -0.31829898].....[ 1.94410979  0.1875323 ][ 1.52716661 -0.37531698][ 1.76434572  0.07885885][ 1.90094161  0.11662796][ 1.39018886 -0.28266094]]

可以看出，降维后的数据仍能够清晰地分成三类。这样不仅能削减数据的维度，降低分类任务的工作量，还能保证分类的质量。

(2)非负矩阵分解（NMF）

非负矩阵分解（Non-negative Matrix Factorization ，NMF）是在矩阵中所有元素均为非负数约束条件之下的矩阵分解方法。

基本思路： 给定一个非负矩阵V,NMF能够找到一个非负矩阵W和一个非负矩阵H，使得矩阵W和H的乘积近似等于矩阵V中的值。并且有且仅有一个这样的分解，即满足存在型和唯一性。
在这里插入图片描述

w矩阵：基础图像矩阵，相当于从原矩阵V中抽取出来的特征
H矩阵：系数矩阵。
NMF能够广泛应用与图像分析，文本挖掘和语音处理等领域。

问题描述

给定矩阵V
给定矩阵在这里插入图片描述，寻找非负矩阵和非负矩阵，使得

分解前后可理解为：原始矩阵V的列向量是对左矩阵W中所有列向量的加权和，而权重系数就是右矩阵对应列向量的元素，故称W为基矩阵，H为系数矩阵。一般情况下r的选择要比n小，即满足（m + n）r < mn。

这时用系数矩阵代替原始矩阵，就可以实现对原始矩阵进行降维，得到数据特征的降维矩阵，从而减少存储空间，减少计算机资源。

NMF实现原理

NMF求解问题实际上是一个最优化问题，利用乘性迭代的方法求解W和H,非负矩阵分解是一个NP问题。NMF题的目标函数有很多种，应用最广泛的就是欧几里得距离和KL散度。

在NMF的分解问题中，假设噪声矩阵为在这里插入图片描述 ,那么有

现在要找出合适的和使得最小。假设噪声服从不同的概率分布，通过最大似然函数会得到不同类型的目标函数。接下来会分别以噪声服从高斯分布和泊松分布来说明。

取对数后，得到对数似然函数为：
在这里插入图片描述
假设各数据点噪声的方差一样，那么接下来要使得对数似然函数取值最大，只需要下面目标函数值最小。

该损失函数为2范数损失函数，它是基于欧几里得距离的度量。又因为

那么得到：

同理有：

接下来就可以使用梯度下降法进行迭代了。如下：
在这里插入图片描述
如果选取：

那么最终得到迭代式为：

可看出这是乘性迭代规则，每一步都保证了结果为正数，一直迭代下去就会收敛，当然收敛性的证明省略。

（2）噪声服从泊松分布

若噪声为泊松噪声，那么得到损失函数为：
在这里插入图片描述
同样经过推导得到：

最后总结为：
矩阵分解优化目标： 最小化W矩阵H矩阵的乘积和原始矩阵之间的差别，目标函数如下：

基于KL散度的优化目标，损失函数如下：

具体使用：

在sklearn库中，可以使用sklearn.decomposition.NMF加载NMF算 法，主要参数有：n_components：用于指定分解后矩阵的单个维度k；init：W矩阵和H矩阵的初始化方式，默认为‘nndsvdar’

实例：NMF人脸数据特征提取

目标：已知Olivetti人脸数据共 400个，每个数据是64*64大小。由于NMF分解得到的W矩阵相当于从原始矩阵中提取的特征，那么就可以使用NMF对400个人脸数据进行特征提取。

通过设置k的大小，设置提取的特征的数目。在本实验中设置k=6，随后将提取的特征以图像的形式展示出来。
在这里插入图片描述

3、PCA是什么

本质：PCA是一种分析、简化数据集的技术

目的：是数据维数压缩，尽可能降低原数据的维数（复杂度），损失少量信息。

作用：可以削减回归分析或者聚类分析中特征的数量。

3.1、PCA语法

PCA(n_components=None)将数据分解为较低维数空间PCA.fit_transform(X)X:numpy array格式的数据[n_samples,n_features]返回值：转换后指定维度的array

3.2 PCA流程

1、初始化PCA,指定减少后的维度
2、调用fit_transform
例如对以下的numpy数组进行降维：

[[2,8,4,5],
[6,3,0,8],
[5,4,9,1]]

案例：

from sklearn.decomposition import PCAdef pca():"""主成分分析进行特征降维:return: None"""pca = PCA(n_components=0.9)data = pca.fit_transform([[2,8,4,5],[6,3,0,8],[5,4,9,1]])print(data)return Noneif __name__ == "__main__":pca()

输出结果为：

[[ 1.22879107e-15  3.82970843e+00][ 5.74456265e+00 -1.91485422e+00][-5.74456265e+00 -1.91485422e+00]]

4 其它降维方法

4.1 线性判别分析LDA

转载：
https://blog.csdn.net/mbx8x9u/article/details/78739908

LDA在模式识别领域（比如人脸识别，舰艇识别等图形图像识别领域）中有非常广泛的应用，因此我们有必要了解下它的算法原理。在学习LDA之前，有必要将其自然语言处理领域的LDA区别开来，在自然语言处理领域， LDA是隐含狄利克雷分布（Latent Dirichlet Allocation，简称LDA），是一种处理文档的主题模型。本文只讨论线性判别分析，因此后面所有的LDA均指线性判别分析。

LDA思想
LDA是一种监督学习的降维技术，也就是说它的数据集的每个样本是有类别输出的，这点和PCA不同。PCA是不考虑样本类别输出的无监督降维技术。LDA的思想可以用一句话概括，就是“投影后类内方差最小，类间方差最大”，如下图所示。我们要将数据在低维度上进行投影，投影后希望每一种类别数据的投影点尽可能的接近，而不同类别的数据的类别中心之间的距离尽可能的大。
在这里插入图片描述
可能还是有点抽象，先看看最简单的情况。

假设有两类数据，分别为红色和蓝色，如下图所示，这些数据特征是二维的，希望将这些数据投影到一维的一条直线，让每一种类别数据的投影点尽可能的接近，而红色和蓝色数据中心之间的距离尽可能的大。
在这里插入图片描述
LDA原理与流程：

LDA与PCA
LDA用于降维，和PCA有很多相同，也有很多不同的地方，因此值得好好的比较一下两者的降维异同点。

相同点：
1）两者均可以对数据进行降维。
2）两者在降维时均使用了矩阵特征分解的思想。
3）两者都假设数据符合高斯分布。

不同点

LDA是有监督的降维方法，而PCA是无监督的降维方法
2）LDA降维最多降到类别数k-1的维数，而PCA没有这个限制。
3）LDA除了可以用于降维，还可以用于分类。
4）LDA选择分类性能最好的投影方向，而PCA选择样本点投影具有最大方差的方向。这点可以从下图形象的看出，在某些数据分布下LDA比PCA降维较优。

在这里插入图片描述
当然，某些某些数据分布下PCA比LDA降维较优，如下图所示：

在这里插入图片描述
LDA小结
LDA算法既可以用来降维，又可以用来分类，但是目前来说，主要还是用于降维。在进行图像识别相关的数据分析时，LDA是一个有力的工具。下面总结下LDA算法的优缺点。

优点：
1）在降维过程中可以使用类别的先验知识经验，而像PCA这样的无监督学习则无法使用类别先验知识。
2）LDA在样本分类信息依赖均值而不是方差的时候，比PCA之类的算法较优。

缺点
1）LDA不适合对非高斯分布样本进行降维，PCA也有这个问题。
2）LDA降维最多降到类别数k-1的维数，如果我们降维的维度大于k-1，则不能使用LDA。当然目前有一些LDA的进化版算法可以绕过这个问题。
3）LDA在样本分类信息依赖方面差而不是均值的时候，降维效果不好。
4）LDA可能过度拟合数据。

这篇关于07_数据降维，降维算法，主成分分析PCA,NMF，线性判别分析LDA的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！