Aplicación de PCA en Python

En esta lección, aplicaremos el análisis de componentes principales (PCA) para reducir la dimensionalidad de un conjunto de datos. Esto ayuda a simplificar el conjunto de datos y conservar al mismo tiempo la información clave.

Descripción general del conjunto de datos

Utilizaremos el conjunto de datos Iris, que contiene mediciones de especies de flores:

• Características: Longitud del sépalo, anchura del sépalo, longitud del pétalo y anchura del pétalo.
• Objetivo: Especie (Setosa, Versicolor, Virginica).

Paso 1: Importación de las bibliotecas y del conjunto de datos

Comenzaremos importando las bibliotecas necesarias y cargando el conjunto de datos:

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())

Paso 2: Estandarización de los datos

PCA es sensible a la escala de los datos, por lo que los estandarizamos mediante StandardScaler:

from sklearn.preprocessing import StandardScaler

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

Paso 3: Aplicación de PCA

Aplicamos PCA para reducir el conjunto de datos a 2 componentes principales:

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_}")

Paso 4: Visualización de los resultados de PCA

Podemos visualizar el conjunto de datos transformado en un espacio 2D para observar cómo se agrupan las especies:

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()

Paso 5: Interpretación de los resultados de PCA

El gráfico de PCA muestra cómo se distribuyen los datos en las dimensiones reducidas. Los puntos de la misma especie tienden a agruparse, lo que indica una agrupación eficaz.

Ventajas de PCA

PCA ofrece varias ventajas:

• Reduce la dimensionalidad de los datos, lo que facilita su visualización.
• Elimina el ruido y las características redundantes.
• Mejora la eficiencia computacional para conjuntos de datos grandes.

Desafíos de PCA

Algunas limitaciones de PCA son:

• Pérdida de interpretabilidad de las características transformadas.
• Sensibilidad al escalado de las características.
• Es posible que no capture relaciones complejas y no lineales en los datos.

Resumen y próximos pasos

En esta lección:

• Aplicamos PCA al conjunto de datos Iris para reducir su dimensionalidad.
• Visualizamos los resultados y observamos la agrupación de las especies en un espacio 2D.
• Analizamos las ventajas y los desafíos de PCA.

A continuación, exploraremos conceptos avanzados de aprendizaje profundo, comenzando por las redes neuronales artificiales.