PCA in Python anwenden

In dieser Lektion wenden wir die Hauptkomponentenanalyse (PCA) an, um die Dimensionalität eines Datensatzes zu reduzieren. Dadurch lässt sich der Datensatz vereinfachen, während wichtige Informationen erhalten bleiben.

Datensatzübersicht

Wir verwenden den Iris-Datensatz, der Messungen von Blumenarten enthält:

• Merkmale: Kelchblattlänge, Kelchblattbreite, Blütenblattlänge und Blütenblattbreite.
• Zielvariable: Arten (Setosa, Versicolor, Virginica).

Schritt 1: Bibliotheken und Datensatz importieren

Wir beginnen mit dem Importieren der erforderlichen Bibliotheken und dem Laden des Datensatzes:

import pandas as pd
from sklearn.datasets import load_iris

# Load Iris dataset
data = load_iris()
X = pd.DataFrame(data.data, columns=data.feature_names)
y = data.target
print(X.head())

Schritt 2: Standardisieren der Daten

PCA reagiert empfindlich auf die Skalierung der Daten. Daher standardisieren wir sie mit StandardScaler:

from sklearn.preprocessing import StandardScaler

# Standardize the data
scaler = StandardScaler()
X_scaled = scaler.fit_transform(X)

Schritt 3: PCA anwenden

Wir wenden PCA an, um den Datensatz auf 2 Hauptkomponenten zu reduzieren:

from sklearn.decomposition import PCA

# Apply PCA
pca = PCA(n_components=2)
X_pca = pca.fit_transform(X_scaled)
print(f"Explained Variance Ratio: {pca.explained_variance_ratio_}")

Schritt 4: PCA-Ergebnisse visualisieren

Wir können den transformierten Datensatz im zweidimensionalen Raum visualisieren, um zu beobachten, wie sich die Arten gruppieren:

import matplotlib.pyplot as plt

# Scatter plot of PCA results
plt.scatter(X_pca[:, 0], X_pca[:, 1], c=y, cmap='viridis')
plt.xlabel('Principal Component 1')
plt.ylabel('Principal Component 2')
plt.title('PCA Results')
plt.colorbar(label='Species')
plt.show()

Schritt 5: PCA-Ergebnisse interpretieren

Das PCA-Diagramm zeigt, wie die Daten in den reduzierten Dimensionen verteilt sind. Punkte derselben Art gruppieren sich tendenziell, was auf ein effektives Clustering hindeutet.

Vorteile von PCA

PCA bietet mehrere Vorteile:

• Reduziert die Dimensionalität der Daten und erleichtert dadurch deren Visualisierung.
• Entfernt Rauschen und redundante Merkmale.
• Verbessert die Recheneffizienz bei großen Datensätzen.

Herausforderungen der PCA

Zu den Einschränkungen der PCA gehören:

• Verlust der Interpretierbarkeit der transformierten Merkmale.
• Empfindlichkeit gegenüber der Skalierung der Merkmale.
• Komplexe, nichtlineare Zusammenhänge in den Daten werden möglicherweise nicht erfasst.

Zusammenfassung und nächste Schritte

In dieser Lektion haben wir:

• PCA zur Dimensionsreduktion auf den Iris-Datensatz angewendet.
• Die Ergebnisse visualisiert und die Clusterbildung der Arten im 2D-Raum beobachtet.
• Die Vorteile und Herausforderungen der PCA besprochen.

Als Nächstes untersuchen wir fortgeschrittene Konzepte des Deep Learning, beginnend mit künstlichen neuronalen Netzen.