数据挖掘——主成分分析

 主成分分析：将多变量降维成少变量，在保持原有信息尽量完整的前提下，尽可能多的减少变量

# 导入库
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np
import seaborn as sns
%matplotlib inline
from sklearn.datasets import load_breast_cancer

# 加载数据库，转为dataframe
cancer = load_breast_cancer()
df = pd.DataFrame(cancer['data'],columns=cancer['feature_names'])
df.head()

1. numpy、pandas、matplotlib：数据分析的常用库
2. seaborn：数据可视化
3. sklearn.datasets：从机器学习库中导入数据集

# PCA
from sklearn.preprocessing import StandardScaler
# 归一化
scaler = StandardScaler()
scaler.fit(df)
scaled_data = scaler.transform(df)

1.  from sklearn.preprocessing import StandardScaler：机器学习库中的标准化
2. StandardScaler().fit()：算均值和方差
3. StandardScaler().transform：算2.后的标准化

from sklearn.decomposition import PCA

#选取主成分个数，暂定为2 
pca = PCA(n_components=2)
pca.fit(scaled_data)

1.  from sklearn.decomposition import PCA：机器学习库中的主成分分析
2.  PCA(n_components=2)：选取主成分个数，2个
3. PCA(n_components=2).fit：用于训练

# 数据投影
x_pca = pca.transform(scaled_data)

1.  pca.transform()：将得到的主成分分析结果进行投影 

scaled_data.shape

1.  获取表格的行列

x_pca.shape

# 可视化
plt.figure(figsize=(8,6))
plt.scatter(x_pca[:,0],x_pca[:,1],c=cancer['target'],cmap='rainbow')
plt.xlabel('First principal component')
plt.ylabel('Second Principal Component')

1. 将数据结果可视化：figure画布，scatter、plot图标类型，xlabel、ylabel坐标轴标签 

 

pca.components_

1. pca.components_：返回具有最大方差的主成分 

map= pd.DataFrame(pca.components_,columns=cancer['feature_names'])
plt.figure(figsize=(12,6))
sns.heatmap(map,cmap='twilight')

热力图