鸢尾花数据集上的增量主成分分析

简介

本实验将指导你逐步使用增量主成分分析（IPCA）算法对鸢尾花数据集进行降维。当数据集太大而无法装入内存且需要采用增量方法时，会使用 IPCA。我们将把 IPCA 的结果与传统主成分分析（PCA）算法的结果进行比较。

虚拟机使用提示

虚拟机启动完成后，点击左上角切换到“笔记本”标签页，以访问 Jupyter Notebook 进行练习。

有时，你可能需要等待几秒钟让 Jupyter Notebook 完成加载。由于 Jupyter Notebook 的限制，操作验证无法自动化。

如果你在学习过程中遇到问题，随时向 Labby 提问。课程结束后提供反馈，我们会立即为你解决问题。

导入库

我们将导入必要的库，包括 numpy、matplotlib，以及 scikit-learn 中的 PCA 和 IPCA 模块。

import numpy as np
import matplotlib.pyplot as plt
from sklearn.datasets import load_iris
from sklearn.decomposition import PCA, IncrementalPCA

加载数据

我们将从 scikit-learn 的数据集模块中加载鸢尾花数据集。

iris = load_iris()
X = iris.data
y = iris.target

执行增量主成分分析（IPCA）

我们将通过初始化 IPCA 类的一个实例并将其拟合到数据上来对鸢尾花数据集执行增量主成分分析（IPCA）。

n_components = 2
ipca = IncrementalPCA(n_components=n_components, batch_size=10)
X_ipca = ipca.fit_transform(X)

执行主成分分析（PCA）

我们将通过初始化 PCA 类的一个实例并将其拟合到数据上来对鸢尾花数据集执行主成分分析（PCA）。

pca = PCA(n_components=n_components)
X_pca = pca.fit_transform(X)

可视化结果

我们将通过在散点图上绘制变换后的数据来可视化增量主成分分析（IPCA）和主成分分析（PCA）的结果。

colors = ["navy", "turquoise", "darkorange"]

for X_transformed, title in [(X_ipca, "Incremental PCA"), (X_pca, "PCA")]:
    plt.figure(figsize=(8, 8))
    for color, i, target_name in zip(colors, [0, 1, 2], iris.target_names):
        plt.scatter(
            X_transformed[y == i, 0],
            X_transformed[y == i, 1],
            color=color,
            lw=2,
            label=target_name,
        )

    if "Incremental" in title:
        err = np.abs(np.abs(X_pca) - np.abs(X_ipca)).mean()
        plt.title(title + " of iris dataset\nMean absolute unsigned error %.6f" % err)
    else:
        plt.title(title + " of iris dataset")
    plt.legend(loc="best", shadow=False, scatterpoints=1)
    plt.axis([-4, 4, -1.5, 1.5])

plt.show()

总结

在本实验中，我们学习了如何使用增量主成分分析（IPCA）算法对鸢尾花数据集进行降维。我们将 IPCA 的结果与传统主成分分析（PCA）进行了比较，并在散点图上可视化了变换后的数据。当数据集太大而无法装入内存且需要采用增量方法时，IPCA 很有用。