機器學習之資料預處理

from sklearn.preprocessing import standardscaler
x_scaler = standardscaler()
y_scaler = standardscaler()
x_train = x_scaler.fit_transform(x_train)
y_train = y_scaler.fit_transform(y_train)
x_test = x_scaler.transform(x_test) #同樣的模型來訓練轉化測試資料 y_test = y_scaler.transform(y_test)

資料規約產生更小但保持資料完整性的新資料集。在規約後的資料集上進行資料分析和挖掘將更有效率。

機器學習領域中所謂的降維就是指採用某種對映方法，將原高維空間中的資料點對映到低維度的空間中。降維的本質是學習乙個對映函式 f : x->y，其中x是原始資料點的表達，目前最多使用向量表達形式。 y是資料點對映後的低維向量表達，通常y的維度小於x的維度（當然提高維度也是可以的）。f可能是顯式的或隱式的、線性的或非線性的。

目前大部分降維演算法處理向量表達的資料，也有一些降維演算法處理高階張量表達的資料。之所以使用降維後的資料表示是因為在原始的高維空間中，包含有冗餘資訊以及噪音資訊，在實際應用例如影象識別中造成了誤差，降低了準確率；而通過降維,我們希望減少冗餘資訊所造成的誤差,提高識別（或其他應用）的精度。又或者希望通過降維演算法來尋找資料內部的本質結構特徵。

在很多演算法中，降維演算法成為了資料預處理的一部分，如pca。事實上，有一些演算法如果沒有降維預處理，其實是很難得到很好的效果的。1

主要是介紹了pca,還有其他降維演算法：lda（linear discriminant analysis）2,lle (locally linear embedding) 區域性線性嵌入3,拉普拉斯特徵對映4。

主成分分析也稱為卡爾胡寧-勒夫變換（karhunen-loeve transform），是一種用於探索高維資料結構的技術。pca通常用於高維資料集的探索與視覺化。還可以用於資料壓縮，資料預處理等。pca可以把可能具有相關性的高維變數合成線性無關的低維變數，稱為主成分（ principal components）。新的低維資料集會經可能的保留原始資料的變數。

pca將資料投射到乙個低維子空間實現降維。例如，二維資料集降維就是把點投射成一條線，資料集的每個樣本都可以用乙個值表示，不需要兩個值。三維資料集可以降成二維，就是把變數對映成乙個平面。一般情況下，n 維資料集可以通過對映降成k 維子空間。5

在python中，主成分的函式位於scikit-learn下：

sklearn.decomposition.pca(n_components=none, copy=true, whiten=false)

引數說明：

栗子

from sklearn.decomposition import pca
import numpy as np import pandas as pd data=np.random.randn(10,4) pca=pca() pca.fit(data) pca.components_ #返回模型的各個特徵向量 pca.explained_variance_ratio_ #返回各個成為各自的方差百分比（貢獻率）

通過計算累計貢獻率，可以確定找到乙個合適的n值，比如累計達到97%時，是前3的值，那麼下一步去降維時，確定n_components=3。那麼，這3維資料佔了原始資料95%以上的資訊。6

下面，再重新建立pca模型。

pca=pca(3)
pca.fit(data)
low_d=pca.transform(data) #用這個方法來降低維度
pd.dataframe(low_d).to_excel('result.xlsx') #儲存結果
pca.inverse_transform(low_d) #必要時，可以用這個函式來復原資料。

機器學習降維演算法一：pca(主成分分析演算法)

↩機器學習降維演算法二：lda（linear discriminant analysis）

↩機器學習降維演算法三：lle (locally linear embedding) 區域性線性嵌入

↩機器學習降維演算法四：laplacian eigenmaps 拉普拉斯特徵對映

↩7-dimensionality-reduction-with-pca↩

posted on 2017-12-29 16:33收藏

機器學習之資料預處理

機器學習之資料預處理

機器學習之資料預處理

Python機器學習之資料預處理

相關推薦