Anvendelse av dimensjonsreduksjon

Vi begynner med å importere de nødvendige bibliotekene og laste inn datasettet:

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())

PCA er følsom for skalaen på dataene, så vi standardiserer dem ved hjelp av StandardScaler:

from sklearn.preprocessing import StandardScaler

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

Vi bruker PCA til å redusere datasettet til 2 hovedkomponenter:

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_}")

Vi kan visualisere det omformede datasettet i et todimensjonalt rom for å se hvordan artene grupperer seg:

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()

PCA-plottet viser hvordan dataene er fordelt i de reduserte dimensjonene. Punkter fra samme art har en tendens til å gruppere seg sammen, noe som indikerer effektiv klynging.

PCA gir flere fordeler:

• Reduserer dimensjonaliteten til dataene, slik at de blir enklere å visualisere.
• Fjerner støy og overflødige egenskaper.
• Forbedrer beregningseffektiviteten for store datasett.

Noen begrensninger ved PCA er:

• De transformerte egenskapene blir vanskeligere å tolke.
• Metoden er følsom for skaleringen av egenskapene.
• Metoden fanger kanskje ikke opp komplekse, ikke-lineære sammenhenger i dataene.

I denne leksjonen:

• Brukte vi PCA på Iris-datasettet for dimensjonsreduksjon.
• Visualiserte vi resultatene og observerte klynging av arter i et todimensjonalt rom.
• Diskuterte vi fordelene og utfordringene ved PCA.

Deretter skal vi utforske avanserte konsepter innen dyp læring, med kunstige nevrale nettverk som utgangspunkt.