快捷導(dǎo)航

python數(shù)據(jù)預(yù)處理方式 :數(shù)據(jù)降維

更新時間：2020年02月24日 13:14:45 作者：泛泛之素

今天小編就為大家分享一篇python數(shù)據(jù)預(yù)處理方式 :數(shù)據(jù)降維，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧

數(shù)據(jù)為何要降維

數(shù)據(jù)降維可以降低模型的計算量并減少模型運行時間、降低噪音變量信息對于模型結(jié)果的影響、便于通過可視化方式展示歸約后的維度信息并減少數(shù)據(jù)存儲空間。因此，大多數(shù)情況下，當(dāng)我們面臨高維數(shù)據(jù)時，都需要對數(shù)據(jù)做降維處理。

數(shù)據(jù)降維有兩種方式：特征選擇，維度轉(zhuǎn)換

特征選擇

特征選擇指根據(jù)一定的規(guī)則和經(jīng)驗，直接在原有的維度中挑選一部分參與到計算和建模過程，用選擇的特征代替所有特征，不改變原有特征，也不產(chǎn)生新的特征值。

特征選擇的降維方式好處是可以保留原有維度特征的基礎(chǔ)上進行降維，既能滿足后續(xù)數(shù)據(jù)處理和建模需求，又能保留維度原本的業(yè)務(wù)含義，以便于業(yè)務(wù)理解和應(yīng)用。對于業(yè)務(wù)分析性的應(yīng)用而言，模型的可理解性和可用性很多時候要有限于模型本身的準(zhǔn)確率、效率等技術(shù)指標(biāo)。例如，決策樹得到的特征規(guī)則，可以作為選擇用戶樣本的基礎(chǔ)條件，而這些特征規(guī)則便是基于輸入的維度產(chǎn)生。

維度轉(zhuǎn)換

這個是按照一定數(shù)學(xué)變換方法，把給定的一組相關(guān)變量（維度）通過數(shù)學(xué)模型將高緯度空間的數(shù)據(jù)點映射到低緯度空間中，然后利用映射后變量的特征來表示原有變量的總體特征。這種方式是一種產(chǎn)生新維度的過程，轉(zhuǎn)換后的維度并非原來特征，而是之前特征的轉(zhuǎn)化后的表達式，新的特征丟失了原有數(shù)據(jù)的業(yè)務(wù)含義。通過數(shù)據(jù)維度變換的降維方法是非常重要的降維方法，這種降維方法分為線性降維和非線性降維兩種，其中常用的代表算法包括獨立成分分析（ICA），主成分分析（PCA），因子分析（Factor Analysis，F(xiàn)A），線性判別分析（LDA），局部線性嵌入（LLE），核主成分分析（Kernel PCA）等。

使用python做降維處理

import pandas as pd
import numpy as np
from sklearn.tree import DecisionTreeClassifier
from sklearn.decomposition import PCA

# 數(shù)據(jù)導(dǎo)入
df = pd.read_csv('https://raw.githubusercontent.com/ffzs/dataset/master/glass.csv')

# 看一下數(shù)據(jù)是
df.head()


   RI   Na Mg Al   Si   K   Ca   Ba   Fe  Type
0 1.52101 13.64 4.49 1.10 71.78 0.06 8.75 0.0 0.0 1
1 1.51761 13.89 3.60 1.36 72.73 0.48 7.83 0.0 0.0 1
2 1.51618 13.53 3.55 1.54 72.99 0.39 7.78 0.0 0.0 1
3 1.51766 13.21 3.69 1.29 72.61 0.57 8.22 0.0 0.0 1
4 1.51742 13.27 3.62 1.24 73.08 0.55 8.07 0.0 0.0 1

# 有無缺失值
df.isna().values.any()
# False 沒有缺失值

# 獲取特征值
X = df.iloc[:, :-1].values
# 獲取標(biāo)簽值
Y = df.iloc[:,[-1]].values
# 使用sklearn 的DecisionTreeClassifier判斷變量重要性
# 建立分類決策樹模型對象
dt_model = DecisionTreeClassifier(random_state=1)
# 將數(shù)據(jù)集的維度和目標(biāo)變量輸入模型
dt_model.fit(X, Y)
# 獲取所有變量的重要性
feature_importance = dt_model.feature_importances_
feature_importance
# 結(jié)果如下
# array([0.20462132, 0.06426227, 0.16799114, 0.15372793, 0.07410088, 0.02786222, 0.09301948, 0.16519298, 0.04922178])
# 做可視化
import matplotlib.pyplot as plt

x = range(len(df.columns[:-1])) 
plt.bar(left= x, height=feature_importance)
plt.xticks(x, df.columns[:-1])

可見Rl、Mg、Al、Ba的重要性比較高，一般情況下變量重要性得分接近80%，基本上已經(jīng)可以解釋大部分的特征變化。

PCA降維

# 使用sklearn的PCA進行維度轉(zhuǎn)換
# 建立PCA模型對象 n_components控制輸出特征個數(shù)
pca_model = PCA(n_components=3)
# 將數(shù)據(jù)集輸入模型
pca_model.fit(X)
# 對數(shù)據(jù)集進行轉(zhuǎn)換映射
pca_model.transform(X)
# 獲得轉(zhuǎn)換后的所有主成分
components = pca_model.components_
# 獲得各主成分的方差
components_var = pca_model.explained_variance_
# 獲取主成分的方差占比
components_var_ratio = pca_model.explained_variance_ratio_
# 打印方差
print(np.round(components_var,3))
# [3.002 1.659 0.68 ]
# 打印方差占比
print(np.round(components_var_ratio,3))
# [0.476 0.263 0.108]

以上這篇python數(shù)據(jù)預(yù)處理方式 :數(shù)據(jù)降維就是小編分享給大家的全部內(nèi)容了，希望能給大家一個參考，也希望大家多多支持腳本之家。

您可能感興趣的文章: