机器学习:PCA(使用梯度上升法求解数据主成分 Ⅰ )
一、目标函数的梯度求解公式
- PCA 降维的具体实现,转变为:
- 方案:梯度上升法优化效用函数,找到其最大值时对应的主成分 w ;
- 效用函数中,向量 w 是变量;
- 在最终要求取降维后的数据集时,w 是参数;
1)推导梯度求解公式
- 变形一
- 变形二
- 变形三:向量化处理
- 最终的梯度求解公式:▽f = 2 / m * XT . (X . dot(w) )
二、代码实现(以二维降一维为例)
1)模拟数据
import numpy as np
import matplotlib.pyplot as plt X = np.empty((100, 2))
X[:, 0] = np.random.uniform(0., 100., size=100)
X[:, 1] = 0.75 * X[:, 0] + 3. + np.random.normal(0, 10, size=100)
2)查看数据分布
plt.scatter(X[:, 0], X[:, 1])
plt.show()3)对原始数据集 demean 处理:得到新的数据集,数据集的每一种特征的均值都为 0
def demean(X):
return X - np.mean(X, axis=0) X_demean = demean(X)
- 数据集的每一个特征,都减去该列特征的均值,使得新的数据集的每一个特征的均值为 0;
- np.mean(X, axis=0):得到矩阵 X 每一列的均值,结果为一个列向量;
4)使用梯度上升法求解主成分
求当前参数 w 对应的目标函数值(按推导公式求解)
def f(w, X):
return np.sum((X.dot(w)**2)) / len(X)求当前参数 w 对应的梯度值(按推导公式求解)
def df_math(w, X):
return X.T.dot(X.dot(w))*2 / len(X)求当前参数 w 对应的梯度值(按调试公式求解)
def df_debug(w, X, epsilon=0.0001):
res = np.empty(len(w))
for i in range(len(w)):
w_1 = w.copy()
w_1[i] += epsilon
w_2 = w.copy()
w_2[i] -= epsilon
res[i] = (f(w_1, X) - f(w_2, X)) / (2 * epsilon)
return res将向量 w 转化为单位向量
def direction(w):
return w / np.linalg.norm(w)# 因为推导公式时人为的将 w 向量的模设为 1,如果不将 w 向量转化为单位向量,梯度上升法的搜索过程会不顺畅;
# np.linalg.norm(向量):求向量的模
# 向量 / 向量的模 == 单位向量梯度上升法的优化过程
def gradient_ascent(df, X, initial_w, eta, n_iters=10**4, epsilon=10**-8): # 将初始化的向量 initial_w 转化为单位向量
w = direction(initial_w)
cur_iter = 0 while cur_iter < n_iters:
gradient = df(w, X)
last_w = w
w += eta * gradient
# 注意1:将每一步优化后的向量 w 也转化为单位向量
w = direction(w)
if (abs(f(w, X) - f(last_w, X)) < epsilon):
break cur_iter += 1 return w# 注意1:每一步优化后的向量 w 都要转化为单位向量
5)求解数据的第一主成分
初始化
initial_w = np.random.random(X.shape[1])
eta = 0.001# 注意2:初始化 w 不能为 0 向量,因为在梯度公式中,若 w 为 0 ,无论什么数据,计算的结果都是没有任何方向的 0;
求解并绘制出第一主成分
w = gradient_ascent(df_math, X_demean, initial_w, eta) plt.scatter(X_demean[:,0], X_demean[:,1]) # 此处绘制直线,对应的两个点是(0, 0)、(w[0]*30, w[1]*30),构成了红色的直线
# 由于 w[0]、w[1]数值太小,为了让直线看的更清晰,将该点扩大 30 倍
# 这也是绘制向量的方法
plt.plot([0, w[0]*30], [0, w[1]*30], color='r')
plt.show()# 注意3:不能用 StandardScaler 标准化数据
# 原因:由于PCA的过程本身就是求一个轴,使得所有的样本映射到轴上之后方差最大,但是,如果对数据标准化后,则样本的方差就变为 1 了,就不存在方差最大值了;
# 其实 demean 的过程就是对数据标准化处理的一部分过程,只是没让数据的标准差为 1;
# 在梯度下降法求解线性回归问题时需要对数据做归一化处理;
6)求前 n 个主成分
求下一个主成分的思路
- 思路:去掉当前数据集在上一个主成分方向上的分量,得到一个新的数据集,求新的数据集的主成分;
- 操作:将当前数据集的每一个样本,减去该样本在上一个主成分上的分量
- 步骤:
# 1)第一步:求新的数据集
X2 = np.empty(X.shape)
for i in range(len(X)):
X2[i] = X[i] - X[i].dot(w) * w
# for 循环向量化:X2 = X - X.dot(w).reshape(-1, 1) * w
# X[i].dot(w):表示样本 X[i] 在上一主成分 w 方向上的膜
# X[i].dot(w) * w:表示样本 X[i] 在上一主成分 w 上的分量(为向量)
# X2[i] = X[i] - X[i].dot(w) * w:表示样本 X[i] 减去其在上一主成分上的分量后的新的样本向量 # 2)第二步:初始化数据,求主成分
initial_w = np.random.random(X.shape[1])
eta = 0.01
w2 = first_component(X2, initial_w, eta)
import numpy as np
import matplotlib.pyplot as plt X = np.empty((100, 2))
X[:, 0] = np.random.uniform(0, 100, size=100)
X[:, 1] = 0.75 * X[:,0] + 3. + np.random.normal(0, 10, size=100) # demean函数,将原始数据集 demean 处理
def demean(X):
return X - np.mean(X, axis=0) # 求当前变量 w 对应的目标函数值
def f(w, X):
return np.sum((X.dot(w)**2)) / len(X) # 求当前变量 w 对应的梯度的值
def df(w, X):
return X.T.dot(X.dot(w))*2 / len(X) # 将向量转化为单位向量
def direction(w):
return w / np.linalg.norm(w) # 求主成分
def first_component(X, initial_w, eta, n_iters=10**4, epsilon=10**-8): w = direction(initial_w)
cur_iter = 0 while cur_iter < n_iters:
gradient = df(w, X)
last_w = w
w += eta * gradient
w = direction(w)
if (abs(f(w, X) - f(last_w, X)) < epsilon):
break cur_iter += 1 return w # 求取 X 的前 n 个主成分
# 求 X 的前 n 个主成分时,只需要对 X 做一次 demean 操作
def first_n_components(n, X, eta=0.01, n_iters=10**4, epsilon=10**-8): X_pca = X.copy()
X_pca = demean(X_pca)
res = []
# 循环 n 次,每次求出一个主成分,并将 n 个主成分放在列表 res 中返回
for i in range(n):
# 初始化搜索点:initial_w
initial_w = np.random.random(X_pca.shape[1])
# 求出主成分 w
w = first_component(X_pca, initial_w, eta)
res.append(w) # 获取下一次主成分的数据集:X_pca,用于计算下一个主成分
X_pca = X_pca - X_pca.dot(w).reshape(-1,1) * w return res # 求数据集 X 的前 2 个主成分
first_n_components(2, X)
# 输出:[array([0.7993679 , 0.60084187]), array([-0.60084187, 0.7993679 ])]
机器学习:PCA(使用梯度上升法求解数据主成分 Ⅰ )的更多相关文章
- 机器学习(4)——PCA与梯度上升法
主成分分析(Principal Component Analysis) 一个非监督的机器学习算法 主要用于数据的降维 通过降维,可以发现更便于人类理解的特征 其他应用:可视化.去噪 通过映射,我们可以 ...
- 机器学习(七) PCA与梯度上升法 (上)
一.什么是PCA 主成分分析 Principal Component Analysis 一个非监督学的学习算法 主要用于数据的降维 通过降维,可以发现更便于人类理解的特征 其他应用:可视化:去噪 第一 ...
- 4.pca与梯度上升法
(一)什么是pca pca,也就是主成分分析法(principal component analysis),主要是用来对数据集进行降维处理.举个最简单的例子,我要根据姓名.年龄.头发的长度.身高.体重 ...
- 机器学习(七) PCA与梯度上升法 (下)
五.高维数据映射为低维数据 换一个坐标轴.在新的坐标轴里面表示原来高维的数据. 低维 反向 映射为高维数据 PCA.py import numpy as np class PCA: def __ini ...
- 第7章 PCA与梯度上升法
主成分分析法:主要作用是降维 疑似右侧比较好? 第三种降维方式: 问题:????? 方差:描述样本整体分布的疏密的指标,方差越大,样本之间越稀疏:越小,越密集 第一步: 总结: 问题:????怎样使其 ...
- [吴恩达机器学习笔记]14降维5-7重建压缩表示/主成分数量选取/PCA应用误区
14.降维 觉得有用的话,欢迎一起讨论相互学习~Follow Me 14.5重建压缩表示 Reconstruction from Compressed Representation 使用PCA,可以把 ...
- 【笔记】求数据的对应主成分PCA(第一主成分)
求数据的第一主成分 (在notebook中) 将包加载好,再创建出一个虚拟的测试用例,生成的X有两个特征,特征一为0到100之间随机分布,共一百个样本,对于特征二,其和特征一有一个基本的线性关系(为什 ...
- 【笔记】求数据前n个主成分以及对高维数据映射为低维数据
求数据前n个主成分并进行高维数据映射为低维数据的操作 求数据前n个主成分 先前的将多个样本映射到一个轴上以求使其降维的操作,其中的样本点本身是二维的样本点,将其映射到新的轴上以后,还不是一维的数据,对 ...
- PCA:利用PCA(四个主成分的贡献率就才达100%)降维提高测试集辛烷值含量预测准确度并《测试集辛烷值含量预测结果对比》—Jason niu
load spectra; temp = randperm(size(NIR, 1)); P_train = NIR(temp(1:50),:); T_train = octane(temp(1:50 ...
随机推荐
- Go bufio库
bufio.Scanner bufio包使处理输入和输出方便又高效.Scanner类型是该包最有用的特性之一,它读取输入并将其拆成行或单词:通常是处理行形式的输入最简单的方法.该变量从程序的标准输入中 ...
- kubernetes 核心对象
Pods Pod是Kubernetes的基本操作单元,也是应用运行的载体.整个Kubernetes系统都是围绕着Pod展开的,比如如何部署运行Pod.如何保证Pod的数量.如何访问Pod等.另外,Po ...
- 探究操作系统【TLCL】
ls – List directory contents file – Determine file type less – View file contents ls常用选项 ls -a 全部输出 ...
- 利用PushbackReader读取文件中某个字符串之前的内容
package File; import java.io.FileReader; import java.io.IOException; import java.io.PushbackReader; ...
- hdoj1003--Max Sum
Problem Description Given a sequence a[1],a[2],a[3]......a[n], your job is to calculate the max sum ...
- 语音03_TTS_C#示例代码
参考网址: (1)TTS-零基础入门-10分钟教你做一个语音功能 http://blog.csdn.net/u010176014/article/details/47326413 (2).TTS-零基 ...
- localstorage存储对象
之前在客户端存储数据一直用的是cookie,由于有大小等限制,随着html5时代的到来,现在大多数用的是localstorage存储数据: 例如: localStorage.setItem(" ...
- PHP的mail()函数可以实现直接用脚本发送邮件
PHP的mail()函数可以实现直接用脚本发送邮件. 用mail()函数发送邮件之前,首先需要在php.ini文件里面设置一下邮件服务属性,主要的设置选项如下: 属性 缺省值 说明 Changeabl ...
- 163的Ubuntu apt镜像源
在/etc/apt/sources.list靠前的地方加入即可. 说明:http://mirrors.163.com/.help/ubuntu.html #15.10 wily, 15.04 vivi ...
- 【.Net】调用Web API的几种方式
引言 记录一下调用Web API的几种方式,以调用百度API为例. HttpWebRequest HttpWebRequest位于System.Net命名空间,是常用的调用Web API类库. str ...