P12 数据的降维及特征选择

https://www.bilibili.com/video/BV184411Q7Ng?p=12

 注解：

1. 这里了的降维不是指数组的维度，不是1维、2维、3维那个维。

 注解：

1. 这个是3维的特征转换为2维的特征。
2. 降维就是把样本的特征的数量减少，比如在分辨男女的时候，把每个样本里面的特征肤色去掉。

 

 

 

 注解：

1. 特征2和特征3是可与去掉的，不然突然增加训练成本。

 注解：

1. 过滤式就是把低方差的特征通过设定方差阈值过滤掉。

 

 注解：

• 如果方差为0或者接近于0，则考虑把这个特征拿掉，因为它没有波动，反映不出样本之间的差别，区分不开不同的样本。

 

 注解：

1. 调用函数，把第1列特征和第3列特征去掉。

from sklearn.feature_selection import VarianceThreshold









def var():
    """
    删除低方差的特征
    :return:
    """
    var=VarianceThreshold(threshold=0.0)
    data=var.fit_transform([[0,2,0,3],[0,1,4,3],[0,1,1,3]])
    print(data)
    return None


if __name__=="__main__":
    var()

运行结果：

 注解：

1. 把相同的特征都删掉了，删掉了特征向量[0,0,0]和特征向量[3,3,3].

from sklearn.feature_selection import VarianceThreshold









def var():
    """
    删除低方差的特征
    :return:
    """
    var=VarianceThreshold(threshold=1.0)
    data=var.fit_transform([[0,2,0,3],[0,1,4,3],[0,1,1,3]])
    print(data)
    return None


if __name__=="__main__":
    var()

运行结果：

 

 注解：

1. 如果是方差阈值设为1，则特征向量[2,1,1]也被去掉了。
2. 一般方差的阈值可以是[0,10]之间。

 

 

 

 注解：

1. 一张图片的特征向量是可能达到上万的。

 注解：

1. 用2维表示3维的东西。
2. 图片1和2看不出来是洒水壶，图片3勉强能看出来，图片4(二维)最能表示洒水壶。

 注解：

1. 如果特征向量本来就很少，比如10个左右，是没有必要使用PCA进行特征压缩的。

 

 注解：

1. 特征向量1和特征向量50存在一个大约2倍的关系，这就是特征向量之间的相关性。

 注解：

1. 如果要压缩成一维的话，可以向x轴或者y轴投影，这样数据点就会由于5个变成3个，这个不是PCA。
2. PCA是找到一个直线，让样本点投影到这条直线上，切尽可能的减少样本量的损失。如，可以找到一条斜线，投影后，5个样本点还是5个样本点，只不过数据发生了变化，数据量没有发生变化。

 

 

 

 

 

 注解：

1. 参数n_components一般填90%~95%之间的一个数字，表示用PCA(主成分分析)进行特征压缩的时候，保留95%的特征量，一般没有一个最优值，需要不断的调试才能得出最优值。
2. 参数n_components也可以填一个整数，表示减少到的特征数量，但是一般并不知道需要减少到多少个特征数。

代码演示：

from sklearn.decomposition import PCA




def pca():
    """
    主成分分析
    :return:
    4个样本，每个样本3个特征
    """
    pca=PCA(n_components=0.9)
    data=pca.fit_transform([[2,8,4,5],[6,3,0,8],[5,4,9,1],])
    print(data)


    return None


if __name__=="__main__":
    pca()

运行结果：

 注解：

1. 4个样本3个特征，变成了3个样本2个特征。
2. 当然这两个特征没有实际意义，只是举的数字例子。
3. 特征数量还剩大约90%，因为调用主成分分析函数的时候，参数选择的就是保留90%的特征数。