資訊專(zhuān)欄INFORMATION COLUMN
摘要：主成分分析就是降維，通過(guò)線(xiàn)性組合，把多個(gè)原始變量合并成若干個(gè)主成分，這樣每個(gè)主成分都變成原始變量的線(xiàn)性組合。相關(guān)系數(shù)系數(shù)為為為。從結(jié)果看，這個(gè)數(shù)據(jù)可能不太適合用來(lái)分析，因?yàn)榻档骄S后的代筆性不足。
這兩天用學(xué)了主成分分析，用的是PCA。主成分分析就是降維，通過(guò)線(xiàn)性組合，把多個(gè)原始變量合并成若干個(gè)主成分，這樣每個(gè)主成分都變成原始變量的線(xiàn)性組合。所以你想看具體哪個(gè)特征對(duì)結(jié)果的影響大，通過(guò)PCA是看不到的。但PCA能把原來(lái)的10+數(shù)據(jù)特征轉(zhuǎn)變?yōu)閹讉€(gè)，實(shí)現(xiàn)過(guò)程如下：
導(dǎo)入數(shù)據(jù)：
import pandas as pd import numpy as np import seaborn as sns import matplotlib.pyplot as plt inputfile = "C:/Users/xiaom/Desktop/data/online_shoppers_intention.csv" df = pd.read_csv(inputfile)
這是后面的幾列
只要購(gòu)買(mǎi)客戶(hù)數(shù)據(jù)，對(duì)VisitorType、weekend數(shù)據(jù)做處理，轉(zhuǎn)換為0，1；再刪除不要的字段
#只要購(gòu)買(mǎi)客戶(hù)的數(shù)據(jù) df = df[df["Revenue"] == True] df["VisitorType"] = np.where(df["VisitorType"] == "Returning_Visitor",1,0) df["workday"] = np.where(df["Weekend"]==True,0,1) df.drop(["Weekend","Revenue","Month"], axis=1, inplace=True)2、相關(guān)性檢測(cè)
對(duì)df表進(jìn)行相關(guān)性檢測(cè)，看每個(gè)字段的相關(guān)度，刪除相關(guān)度高的字段，減少計(jì)算量。如果自變量屬于中度以上線(xiàn)性相關(guān)的（>0.6）多個(gè)變量，只保留一個(gè)即可。
1、2相關(guān)系數(shù)0.61；3、4系數(shù)為0.63；5、6為0.91；7、8為0.74。相關(guān)度一般在0.64以上就認(rèn)為是比較相關(guān)的關(guān)系，所以刪除5
#求各字段的相關(guān)性，用corr()函數(shù)，并保留2位小數(shù)
df.corr().round(2)
#結(jié)果：1，2相關(guān)系數(shù)0.61；3，4系數(shù)為0.63；5，6為0.91；7，8為0.74。所以對(duì)相關(guān)性高的保留1個(gè)字段
df.drop(["Administrative_Duration", "Informational_Duration",
"ProductRelated_Duration",
"BounceRates"],axis=1, inplace=True)
print(df)
3、標(biāo)準(zhǔn)化處理
x = df #對(duì)PageValues相差太大，對(duì)其進(jìn)行標(biāo)準(zhǔn)化 from sklearn import preprocessing x = preprocessing.scale(x)4、PCA
#用PCA（主成分分析法），來(lái)查看對(duì)購(gòu)買(mǎi)影響最大的特征
from sklearn.decomposition import PCA
model = PCA(n_components=7) #把數(shù)據(jù)降到6維
model.fit(x)
print("降到6維后，這6維的代表性為：")
print(model.explained_variance_ratio_)
print(model.components_) #返回具有最大方差的成分
print("返回參數(shù)的值")
print(model.get_params) #返回各個(gè)參數(shù)的值
#print(model.get_precision())
#下面是畫(huà)圖的
x2 = model.transform(x)
df["pca1"] = x2[:,0]
df["pca2"] = x2[:,1]
#print(df.head( ))
sns.lmplot("pca1","pca2", data=df, fit_reg=False)
plt.show()
左邊是降維后的結(jié)果，68%左右，數(shù)據(jù)從原來(lái)的10維下降到了6維。從結(jié)果看，這個(gè)數(shù)據(jù)可能不太適合用pca來(lái)分析，因?yàn)榻档?維后的代筆性不足70%。
右邊是降維后的圖。
文章版權(quán)歸作者所有，未經(jīng)允許請(qǐng)勿轉(zhuǎn)載,若此文章存在違規(guī)行為，您可以聯(lián)系管理員刪除。
轉(zhuǎn)載請(qǐng)注明本文地址：http://www.ezyhdfw.cn/yun/42696.html
摘要：應(yīng)用過(guò)機(jī)器學(xué)習(xí)進(jìn)行數(shù)據(jù)挖掘的同學(xué)應(yīng)該都知道特征選擇對(duì)模型表現(xiàn)的重要性。本文基于網(wǎng)上經(jīng)典特征選擇相關(guān)文章整理出干貨常用方法分類(lèi)以及調(diào)包俠該如何用快速上手，供大家參考。 應(yīng)用過(guò)機(jī)器學(xué)習(xí)進(jìn)行數(shù)據(jù)挖掘的同學(xué)應(yīng)該都知道特征選擇對(duì)模型表現(xiàn)的重要性。本文基于網(wǎng)上經(jīng)典特征選擇相關(guān)文章整理出干貨：常用方法分類(lèi)以及調(diào)包俠該如何用sklearn快速上手，供大家參考。 （一）預(yù)處理： 1 無(wú)量綱化： 1.1 ...
摘要：貢獻(xiàn)者飛龍版本最近總是有人問(wèn)我，把這些資料看完一遍要用多長(zhǎng)時(shí)間，如果你一本書(shū)一本書(shū)看的話(huà)，的確要用很長(zhǎng)時(shí)間。為了方便大家，我就把每本書(shū)的章節(jié)拆開(kāi)，再按照知識(shí)點(diǎn)合并，手動(dòng)整理了這個(gè)知識(shí)樹(shù)。 Special Sponsors showImg(https://segmentfault.com/img/remote/1460000018907426?w=1760&h=200); 貢獻(xiàn)者：飛龍版...
摘要：主成分分析，簡(jiǎn)稱(chēng)是一種非監(jiān)督學(xué)習(xí)的機(jī)器算法，主要用于數(shù)據(jù)的降維。對(duì)于的目標(biāo)函數(shù)求使得最大，可以使用梯度上升法來(lái)解決。利用梯度公式的梯度上升法實(shí)際上是批量梯度上升法還有隨機(jī)梯度上升法和小批量梯度上升法，本文不涉及。 主成分分析（Principle Component Analysis，簡(jiǎn)稱(chēng)：PCA）是一種非監(jiān)督學(xué)習(xí)的機(jī)器算法，主要用于數(shù)據(jù)的降維。 PCA 基本原理 以有2個(gè)特征的二維平面...
閱讀 1142·2021-10-08 10:04
閱讀 3588·2021-08-05 10:01
閱讀 2349·2019-08-30 11:04
閱讀 1848·2019-08-29 15:29
閱讀 943·2019-08-29 15:12
閱讀 1742·2019-08-26 12:11
閱讀 3177·2019-08-26 11:33
閱讀 1215·2019-08-26 10:23
