用scikit learn進行LDA降維

**性判別分析lda原理總結中，我們對lda降維的原理做了總結，這裡我們就對scikit-learn中lda的降維使用做乙個總結。

在scikit-learn中， lda類是sklearn.discriminant_analysis.lineardiscriminantanalysis。那既可以用於分類又可以用於降維。當然，應用場景最多的還是降維。和pca類似，lda降維基本也不用調參，只需要指定降維到的維數即可。

我們這裡對lineardiscriminantanalysis類的引數做乙個基本的總結。

1）solver : 即求lda超平面特徵矩陣使用的方法。可以選擇的方法有奇異值分解"svd"，最小二乘"lsqr"和特徵分解"eigen"。一般來說特徵數非常多的時候推薦使用svd，而特徵數不多的時候推薦使用eigen。主要注意的是，如果使用svd，則不能指定正則化引數shrinkage進行正則化。預設值是svd

2）shrinkage：正則化引數，可以增強lda分類的泛化能力。如果僅僅只是為了降維，則一般可以忽略這個引數。預設是none，即不進行正則化。可以選擇"auto",讓演算法自己決定是否正則化。當然我們也可以選擇不同的[0,1]之間的值進行交叉驗證調參。注意shrinkage只在solver為最小二乘"lsqr"和特徵分解"eigen"時有效。

3）priors ：類別權重，可以在做分類模型時指定不同類別的權重，進而影響分類模型建立。降維時一般不需要關注這個引數。

4）n_components：即我們進行lda降維時降到的維數。在降維時需要輸入這個引數。注意只能為[1,類別數-1)範圍之間的整數。如果我們不是用於降維，則這個值可以用預設的none。

從上面的描述可以看出，如果我們只是為了降維，則只需要輸入n_components,注意這個值必須小於「類別數-1」。pca沒有這個限制。

在lda的原理篇我們講到，pca和lda都可以用於降維。兩者沒有絕對的優劣之分，使用兩者的原則實際取決於資料的分布。由於lda可以利用類別資訊，因此某些時候比完全無監督的pca會更好。下面我們舉乙個lda降維可能更優的例子。

我們首先生成三類三維特徵的資料，**如下：

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import axes3d
%matplotlib inline
from sklearn.datasets.samples_generator import make_classification
x, y = make_classification(n_samples=1000, n_features=3, n_redundant=0, n_classes=3, n_informative=2,
n_clusters_per_class=1,class_sep =0.5, random_state =10)
fig = plt.figure()
ax = axes3d(fig, rect=[0, 0, 1, 1], elev=30, azim=20)
plt.scatter(x[:, 0], x[:, 1], x[:, 2],marker='o',c=y)

我們看看最初的三維資料的分布情況：

首先我們看看使用pca降維到二維的情況，注意pca無法使用類別資訊來降維，**如下：

from sklearn.decomposition import pca
pca = pca(n_components=2)
pca.fit(x)
print pca.explained_variance_ratio_
print pca.explained_variance_
x_new = pca.transform(x)
plt.scatter(x_new[:, 0], x_new[:, 1],marker='o',c=y)
plt.show()

在輸出中，pca找到的兩個主成分方差比和方差如下：

[ 0.43377069  0.3716351 ]
[ 1.20962365  1.03635081]

輸出的降維效果圖如下:

由於pca沒有利用類別資訊，我們可以看到降維後，樣本特徵和類別的資訊關聯幾乎完全丟失。

現在我們再看看使用lda的效果，**如下：

from sklearn.discriminant_analysis import lineardiscriminantanalysis
lda = lineardiscriminantanalysis(n_components=2)
lda.fit(x,y)
x_new = lda.transform(x)
plt.scatter(x_new[:, 0], x_new[:, 1],marker='o',c=y)
plt.show()

輸出的效果圖如下：

可以看出降維後樣本特徵和類別資訊之間的關係得以保留。

一般來說，如果我們的資料是有類別標籤的，那麼優先選擇lda去嘗試降維；當然也可以使用pca做很小幅度的降維去消去雜訊，然後再使用lda降維。如果沒有類別標籤，那麼肯定pca是最先考慮的乙個選擇了。

**：劉建平pinard

用scikit learn進行LDA降維

用scikit learn進行LDA降維

用scikit learn學習DBSCAN聚類

用scikit learn學習DBSCAN聚類

用scikit learn進行LDA降維

用scikit learn進行LDA降維

用scikit learn學習DBSCAN聚類

用scikit learn學習DBSCAN聚類

相關推薦