PCA:n Suorittaminen Oikealla Tietoaineistolla
Pyyhkäise näyttääksesi valikon
Suorita PCA oikealla aineistolla käyttäen scikit-learn-kirjastoa. Käytä Iris-aineistoa, joka on klassinen esimerkki koneoppimisessa, ja noudata seuraavia vaiheita:
- Lataa aineisto;
- Valmistele se analyysiä varten;
- Standardisoi piirteet;
- Sovella
PCA:ta ulottuvuuksien vähentämiseksi.
Tämä prosessi havainnollistaa, kuinka ulottuvuuksien vähentäminen toteutetaan käytännön tilanteissa.
12345678910111213141516171819202122import numpy as np import pandas as pd from sklearn.datasets import load_iris from sklearn.preprocessing import StandardScaler from sklearn.decomposition import PCA # Load the Iris dataset data = load_iris() X = data.data feature_names = data.feature_names # Standardize features (important for PCA) scaler = StandardScaler() X_scaled = scaler.fit_transform(X) # Apply PCA to reduce to 2 components pca = PCA(n_components=2) X_pca = pca.fit_transform(X_scaled) print("Original shape:", X.shape) print("Transformed shape:", X_pca.shape) # Each row in X_pca is a sample projected onto the first two principal components
Yllä oleva koodi suorittaa PCA-analyysin Iris-aineistolle useassa keskeisessä vaiheessa:
1. Aineiston lataaminen
Iris-aineisto ladataan käyttäen load_iris()-funktiota scikit-learn-kirjastosta. Tämä aineisto sisältää 150 näytettä iiriksen kukista, joista jokainen on kuvattu neljällä piirteellä: verholehden pituus, verholehden leveys, terälehden pituus, terälehden leveys.
2. Piirteiden standardisointi
Standardisointi varmistaa, että jokaisella piirteellä on keskiarvo 0 ja varianssi 1:
scaler = StandardScaler()
X_scaled = scaler.fit_transform(X)
Tämä vaihe on olennainen, koska PCA on herkkä piirteiden varianssille. Ilman standardisointia suuremman skaalan piirteet hallitsisivat pääkomponentteja, mikä johtaisi harhaanjohtaviin tuloksiin.
3. PCA:n soveltaminen
PCA(n_components=2) vähentää aineiston neljästä ulottuvuudesta kahteen:
pca = PCA(n_components=2)
X_pca = pca.fit_transform(X_scaled)
Pääkomponentit ovat uusia akseleita, jotka kuvaavat datan suurimman varianssin suunnat. Jokainen näyte projisoidaan näille akseleille, jolloin saadaan tiivis esitys, joka säilyttää mahdollisimman paljon alkuperäistä tietoa.
4. PCA-tulosten tulkinta
Voit tarkistaa, kuinka paljon varianssia kukin pääkomponentti selittää:
print(pca.explained_variance_ratio_)
Tämä tulostaa taulukon, kuten [0.7277, 0.2303], mikä tarkoittaa, että ensimmäinen komponentti selittää noin 73 % varianssista ja toinen noin 23 %. Yhdessä ne kattavat suurimman osan alkuperäisen datan informaatiosta.
Kiitos palautteestasi!
Kysy tekoälyä
Kysy tekoälyä
Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme
