Zastosowanie PCA w języku Python

W tej lekcji zastosujemy analizę głównych składowych (PCA), aby zredukować wymiarowość zbioru danych. Pomoże to uprościć zbiór danych przy jednoczesnym zachowaniu kluczowych informacji.

Przegląd zbioru danych

Użyjemy zbioru danych Iris, który zawiera pomiary gatunków kwiatów:

• Cechy: Długość działki kielicha, szerokość działki kielicha, długość płatka i szerokość płatka.
• Zmienna docelowa: Gatunek (Setosa, Versicolor, Virginica).

Krok 1: Importowanie bibliotek i zbioru danych

Rozpoczniemy od zaimportowania niezbędnych bibliotek i wczytania zbioru danych:

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())

Krok 2: Standaryzacja danych

PCA jest wrażliwa na skalę danych, dlatego standaryzujemy je przy użyciu StandardScaler:

from sklearn.preprocessing import StandardScaler

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

Krok 3: Zastosowanie PCA

Zastosujemy PCA, aby zredukować zbiór danych do 2 głównych składowych:

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_}")

Krok 4: Wizualizacja wyników PCA

Możemy zwizualizować przekształcony zbiór danych w przestrzeni 2D, aby zaobserwować, jak grupują się poszczególne gatunki:

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()

Krok 5: Interpretacja wyników PCA

Wykres PCA pokazuje, jak dane są rozmieszczone w zredukowanych wymiarach. Punkty tego samego gatunku mają tendencję do grupowania się, co wskazuje na skuteczną klasteryzację.

Zalety PCA

PCA oferuje kilka korzyści:

• Zmniejsza wymiarowość danych, ułatwiając ich wizualizację.
• Usuwa szum i nadmiarowe cechy.
• Zwiększa wydajność obliczeniową w przypadku dużych zbiorów danych.

Wyzwania związane z PCA

Do ograniczeń PCA należą:

• Utrata interpretowalności przekształconych cech.
• Wrażliwość na skalowanie cech.
• Może nie uchwycić złożonych, nieliniowych zależności w danych.

Podsumowanie i kolejne kroki

W tej lekcji:

• Zastosowaliśmy PCA do zbioru danych Iris w celu redukcji wymiarowości.
• Zwizualizowaliśmy wyniki i zaobserwowaliśmy grupowanie gatunków w przestrzeni 2D.
• Omówiliśmy zalety i wyzwania związane z PCA.

Następnie poznamy zaawansowane koncepcje głębokiego uczenia, zaczynając od sztucznych sieci neuronowych.