PCA in Python anwenden

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

Übersicht über den Datensatz

Wir verwenden den Iris-Datensatz, der Messwerte verschiedener Blumenarten enthält:

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

Schritt 1: Bibliotheken und Datensatz importieren

Wir beginnen damit, die erforderlichen Bibliotheken zu importieren und den Datensatz zu laden:

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: Daten standardisieren

PCA reagiert empfindlich auf die Skalierung der Daten. Deshalb standardisieren wir sie mithilfe von 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 zwei 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 Datendimensionalität und erleichtert dadurch die Visualisierung.
• Entfernt Rauschen und redundante Merkmale.
• Verbessert die Recheneffizienz bei großen Datensätzen.

Herausforderungen bei PCA

Zu den Einschränkungen von PCA gehören:

• Verlust der Interpretierbarkeit transformierter 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 auf den Iris-Datensatz zur Dimensionsreduktion angewendet.
• Die Ergebnisse visualisiert und die Gruppierung der Arten im zweidimensionalen Raum beobachtet.
• Die Vorteile und Herausforderungen von PCA besprochen.

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