如何解决具有大数据框的 PCA 图
protein IHD CM ARR VD CHD CCD VOO
0 q9uku9 0.000000 0.039457 0.032901 0.014793 0.006614 0.006591 0.000000
1 o75461 0.000000 0.005832 0.027698 0.000000 0.000000 0.006634 0.000000
等
我想对向量进行 PCA 分析和绘图,但我不确定如何处理如此大的数据集。有人有什么建议吗?
解决方法
实际上,1400 x 8 的数据帧在现代计算机上并没有那么大。您可以使用 scikit-learn 对数据集执行 PCA。比较简单:
import pandas as pd
import numpy as np
from sklearn.decomposition import PCA
cols = ['IHD','CM','ARR','VD','CHD','CCD','VOO']
df = pd.DataFrame(np.random.random((1400,7)),columns = cols)
pca = PCA(n_components=2)
pca.fit(df)
print(pca.components_)
print(pca.explained_variance_)
# [[-0.38406974 0.02775874 -0.59754361 -0.55464116 -0.03878488
# -0.41944628 0.09795539]
# [-0.03181143 -0.52699813 0.14325425 0.02742668 -0.48571934
# -0.33915335 0.590795 ]]
# [0.0913989 0.08975106]
您无法绘制主成分,因为它们存在于 7 维空间中。只要保持组件的数量少于三个,您可以做的是绘制结果数据集:
df2 = pd.DataFrame(pca.transform(df),columns = ['first','second'])
df2.plot.scatter(x = 'first',y = 'second')
如您所见,我在进行 PCA 时没有考虑柱蛋白。原因是 PCA 仅适用于数字列。有关处理分类列的一些提示,请参阅 this discussion。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。