Aplicando PCA em Python

Nesta lição, aplicaremos a Análise de Componentes Principais (PCA) para reduzir a dimensionalidade de um conjunto de dados. Isso ajuda a simplificar o conjunto de dados, preservando as informações essenciais.

Visão geral do conjunto de dados

Usaremos o conjunto de dados Iris, que contém medidas de espécies de flores:

• Características: Comprimento da sépala, largura da sépala, comprimento da pétala e largura da pétala.
• Alvo: Espécie (Setosa, Versicolor, Virginica).

Etapa 1: Importando as bibliotecas e o conjunto de dados

Começaremos importando as bibliotecas necessárias e carregando o conjunto de dados:

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())

Etapa 2: Padronizando os dados

PCA é sensível à escala dos dados, portanto vamos padronizá-los usando StandardScaler:

from sklearn.preprocessing import StandardScaler

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

Etapa 3: Aplicando PCA

Aplicamos PCA para reduzir o conjunto de dados a 2 componentes principais:

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_}")

Etapa 4: Visualizando os resultados de PCA

Podemos visualizar o conjunto de dados transformado em um espaço 2D para observar como as espécies se agrupam:

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()

Etapa 5: Interpretando os resultados de PCA

O plot de PCA mostra como os dados estão distribuídos nas dimensões reduzidas. Os pontos da mesma espécie tendem a se agrupar, indicando um agrupamento eficaz.

Vantagens de PCA

PCA oferece vários benefícios:

• Reduz a dimensionalidade dos dados, facilitando sua visualização.
• Remove ruído e características redundantes.
• Melhora a eficiência computacional para conjuntos de dados grandes.

Desafios de PCA

Algumas limitações de PCA incluem:

• Perda de interpretabilidade das características transformadas.
• Sensibilidade à escala das características.
• Pode não capturar relações complexas e não lineares nos dados.

Resumo e próximos passos

Nesta lição, nós:

• Aplicamos PCA ao conjunto de dados Iris para reduzir sua dimensionalidade.
• Visualizamos os resultados e observamos o agrupamento das espécies em um espaço 2D.
• Discutimos as vantagens e os desafios de PCA.

Em seguida, exploraremos conceitos avançados de aprendizado profundo, começando pelas redes neurais artificiais.