비지도 확습은 PCA가 최고 성능을 가지고 있다.¶

PCA 클러스터링 앙상블 러닝

In [ ]:

PCA(Principal Component Analysis)의 이해¶

pca와 truncated svd는 같은 차원을 축소해서 같은 전처리를 하고 두가지 방법을 모두 쓸수 있지만 추천 시스템을 제외한 방법에서는 pca가 더 정확한 복원률을 가지고 있다.

PCA

In [151]:

from sklearn.datasets import load_iris
import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline

iris = load_iris()
columns =['sepal_length','sepal_width','petal_length','petar_width']
irisDF= pd.DataFrame(iris.data, columns=columns)
irisDF['target']=iris.target
irisDF.head()

Out[151]:

	sepal_length	sepal_width	petal_length	petar_width
0	5.1	3.5	1.4	0.2
1	4.9	3.0	1.4	0.2
2	4.7	3.2	1.3	0.2
3	4.6	3.1	1.5	0.2
4	5.0	3.6	1.4	0.2

In [135]:

#setosa는 세모, versicolor는 네모, virginica는 동그라미로 표현
markers=['^', 's', 'o']

#setosa의 target 값은 0, versicolor는 1, virginica는 2. 각 target 별로 다른 shape으로 scatter plot 
for i, marker in enumerate(markers):
    x_axis_data = irisDF[irisDF['target']==i]['petal_length']
    y_axis_data = irisDF[irisDF['target']==i]['petar_width']
    plt.scatter(x_axis_data, y_axis_data, marker=marker,label=iris.target_names[i])
irisDF.head()
plt.legend()
plt.xlabel('petarl length')
plt.ylabel('petar width')
plt.show()


for i, marker in enumerate(markers):
    x_axis_data = irisDF[irisDF['target']==i]['sepal_length']
    y_axis_data = irisDF[irisDF['target']==i]['sepal_width']
    plt.scatter(x_axis_data, y_axis_data, marker=marker,label=iris.target_names[i])
irisDF.head()
plt.legend()
plt.xlabel('sepal length')
plt.ylabel('sepal width')
plt.show()

In [149]:

from sklearn.preprocessing import StandardScaler
iris_scaled = StandardScaler().fit_transform(irisDF)
iris_scaled

Out[149]:

array([[-9.00681170e-01,  1.01900435e+00, -1.34022653e+00,
        -1.31544430e+00, -1.22474487e+00],
       [-1.14301691e+00, -1.31979479e-01, -1.34022653e+00,
        -1.31544430e+00, -1.22474487e+00],
       [-1.38535265e+00,  3.28414053e-01, -1.39706395e+00,
        -1.31544430e+00, -1.22474487e+00],
       [-1.50652052e+00,  9.82172869e-02, -1.28338910e+00,
        -1.31544430e+00, -1.22474487e+00],
       [-1.02184904e+00,  1.24920112e+00, -1.34022653e+00,
        -1.31544430e+00, -1.22474487e+00],
       [-5.37177559e-01,  1.93979142e+00, -1.16971425e+00,
        -1.05217993e+00, -1.22474487e+00],
       [-1.50652052e+00,  7.88807586e-01, -1.34022653e+00,
        -1.18381211e+00, -1.22474487e+00],
       [-1.02184904e+00,  7.88807586e-01, -1.28338910e+00,
        -1.31544430e+00, -1.22474487e+00],
       [-1.74885626e+00, -3.62176246e-01, -1.34022653e+00,
        -1.31544430e+00, -1.22474487e+00],
       [-1.14301691e+00,  9.82172869e-02, -1.28338910e+00,
        -1.44707648e+00, -1.22474487e+00],
       [-5.37177559e-01,  1.47939788e+00, -1.28338910e+00,
        -1.31544430e+00, -1.22474487e+00],
       [-1.26418478e+00,  7.88807586e-01, -1.22655167e+00,
        -1.31544430e+00, -1.22474487e+00],
       [-1.26418478e+00, -1.31979479e-01, -1.34022653e+00,
        -1.44707648e+00, -1.22474487e+00],
       [-1.87002413e+00, -1.31979479e-01, -1.51073881e+00,
        -1.44707648e+00, -1.22474487e+00],
       [-5.25060772e-02,  2.16998818e+00, -1.45390138e+00,
        -1.31544430e+00, -1.22474487e+00],
       [-1.73673948e-01,  3.09077525e+00, -1.28338910e+00,
        -1.05217993e+00, -1.22474487e+00],
       [-5.37177559e-01,  1.93979142e+00, -1.39706395e+00,
        -1.05217993e+00, -1.22474487e+00],
       [-9.00681170e-01,  1.01900435e+00, -1.34022653e+00,
        -1.18381211e+00, -1.22474487e+00],
       [-1.73673948e-01,  1.70959465e+00, -1.16971425e+00,
        -1.18381211e+00, -1.22474487e+00],
       [-9.00681170e-01,  1.70959465e+00, -1.28338910e+00,
        -1.18381211e+00, -1.22474487e+00],
       [-5.37177559e-01,  7.88807586e-01, -1.16971425e+00,
        -1.31544430e+00, -1.22474487e+00],
       [-9.00681170e-01,  1.47939788e+00, -1.28338910e+00,
        -1.05217993e+00, -1.22474487e+00],
       [-1.50652052e+00,  1.24920112e+00, -1.56757623e+00,
        -1.31544430e+00, -1.22474487e+00],
       [-9.00681170e-01,  5.58610819e-01, -1.16971425e+00,
        -9.20547742e-01, -1.22474487e+00],
       [-1.26418478e+00,  7.88807586e-01, -1.05603939e+00,
        -1.31544430e+00, -1.22474487e+00],
       [-1.02184904e+00, -1.31979479e-01, -1.22655167e+00,
        -1.31544430e+00, -1.22474487e+00],
       [-1.02184904e+00,  7.88807586e-01, -1.22655167e+00,
        -1.05217993e+00, -1.22474487e+00],
       [-7.79513300e-01,  1.01900435e+00, -1.28338910e+00,
        -1.31544430e+00, -1.22474487e+00],
       [-7.79513300e-01,  7.88807586e-01, -1.34022653e+00,
        -1.31544430e+00, -1.22474487e+00],
       [-1.38535265e+00,  3.28414053e-01, -1.22655167e+00,
        -1.31544430e+00, -1.22474487e+00],
       [-1.26418478e+00,  9.82172869e-02, -1.22655167e+00,
        -1.31544430e+00, -1.22474487e+00],
       [-5.37177559e-01,  7.88807586e-01, -1.28338910e+00,
        -1.05217993e+00, -1.22474487e+00],
       [-7.79513300e-01,  2.40018495e+00, -1.28338910e+00,
        -1.44707648e+00, -1.22474487e+00],
       [-4.16009689e-01,  2.63038172e+00, -1.34022653e+00,
        -1.31544430e+00, -1.22474487e+00],
       [-1.14301691e+00,  9.82172869e-02, -1.28338910e+00,
        -1.31544430e+00, -1.22474487e+00],
       [-1.02184904e+00,  3.28414053e-01, -1.45390138e+00,
        -1.31544430e+00, -1.22474487e+00],
       [-4.16009689e-01,  1.01900435e+00, -1.39706395e+00,
        -1.31544430e+00, -1.22474487e+00],
       [-1.14301691e+00,  1.24920112e+00, -1.34022653e+00,
        -1.44707648e+00, -1.22474487e+00],
       [-1.74885626e+00, -1.31979479e-01, -1.39706395e+00,
        -1.31544430e+00, -1.22474487e+00],
       [-9.00681170e-01,  7.88807586e-01, -1.28338910e+00,
        -1.31544430e+00, -1.22474487e+00],
       [-1.02184904e+00,  1.01900435e+00, -1.39706395e+00,
        -1.18381211e+00, -1.22474487e+00],
       [-1.62768839e+00, -1.74335684e+00, -1.39706395e+00,
        -1.18381211e+00, -1.22474487e+00],
       [-1.74885626e+00,  3.28414053e-01, -1.39706395e+00,
        -1.31544430e+00, -1.22474487e+00],
       [-1.02184904e+00,  1.01900435e+00, -1.22655167e+00,
        -7.88915558e-01, -1.22474487e+00],
       [-9.00681170e-01,  1.70959465e+00, -1.05603939e+00,
        -1.05217993e+00, -1.22474487e+00],
       [-1.26418478e+00, -1.31979479e-01, -1.34022653e+00,
        -1.18381211e+00, -1.22474487e+00],
       [-9.00681170e-01,  1.70959465e+00, -1.22655167e+00,
        -1.31544430e+00, -1.22474487e+00],
       [-1.50652052e+00,  3.28414053e-01, -1.34022653e+00,
        -1.31544430e+00, -1.22474487e+00],
       [-6.58345429e-01,  1.47939788e+00, -1.28338910e+00,
        -1.31544430e+00, -1.22474487e+00],
       [-1.02184904e+00,  5.58610819e-01, -1.34022653e+00,
        -1.31544430e+00, -1.22474487e+00],
       [ 1.40150837e+00,  3.28414053e-01,  5.35408562e-01,
         2.64141916e-01,  0.00000000e+00],
       [ 6.74501145e-01,  3.28414053e-01,  4.21733708e-01,
         3.95774101e-01,  0.00000000e+00],
       [ 1.28034050e+00,  9.82172869e-02,  6.49083415e-01,
         3.95774101e-01,  0.00000000e+00],
       [-4.16009689e-01, -1.74335684e+00,  1.37546573e-01,
         1.32509732e-01,  0.00000000e+00],
       [ 7.95669016e-01, -5.92373012e-01,  4.78571135e-01,
         3.95774101e-01,  0.00000000e+00],
       [-1.73673948e-01, -5.92373012e-01,  4.21733708e-01,
         1.32509732e-01,  0.00000000e+00],
       [ 5.53333275e-01,  5.58610819e-01,  5.35408562e-01,
         5.27406285e-01,  0.00000000e+00],
       [-1.14301691e+00, -1.51316008e+00, -2.60315415e-01,
        -2.62386821e-01,  0.00000000e+00],
       [ 9.16836886e-01, -3.62176246e-01,  4.78571135e-01,
         1.32509732e-01,  0.00000000e+00],
       [-7.79513300e-01, -8.22569778e-01,  8.07091462e-02,
         2.64141916e-01,  0.00000000e+00],
       [-1.02184904e+00, -2.43394714e+00, -1.46640561e-01,
        -2.62386821e-01,  0.00000000e+00],
       [ 6.86617933e-02, -1.31979479e-01,  2.51221427e-01,
         3.95774101e-01,  0.00000000e+00],
       [ 1.89829664e-01, -1.97355361e+00,  1.37546573e-01,
        -2.62386821e-01,  0.00000000e+00],
       [ 3.10997534e-01, -3.62176246e-01,  5.35408562e-01,
         2.64141916e-01,  0.00000000e+00],
       [-2.94841818e-01, -3.62176246e-01, -8.98031345e-02,
         1.32509732e-01,  0.00000000e+00],
       [ 1.03800476e+00,  9.82172869e-02,  3.64896281e-01,
         2.64141916e-01,  0.00000000e+00],
       [-2.94841818e-01, -1.31979479e-01,  4.21733708e-01,
         3.95774101e-01,  0.00000000e+00],
       [-5.25060772e-02, -8.22569778e-01,  1.94384000e-01,
        -2.62386821e-01,  0.00000000e+00],
       [ 4.32165405e-01, -1.97355361e+00,  4.21733708e-01,
         3.95774101e-01,  0.00000000e+00],
       [-2.94841818e-01, -1.28296331e+00,  8.07091462e-02,
        -1.30754636e-01,  0.00000000e+00],
       [ 6.86617933e-02,  3.28414053e-01,  5.92245988e-01,
         7.90670654e-01,  0.00000000e+00],
       [ 3.10997534e-01, -5.92373012e-01,  1.37546573e-01,
         1.32509732e-01,  0.00000000e+00],
       [ 5.53333275e-01, -1.28296331e+00,  6.49083415e-01,
         3.95774101e-01,  0.00000000e+00],
       [ 3.10997534e-01, -5.92373012e-01,  5.35408562e-01,
         8.77547895e-04,  0.00000000e+00],
       [ 6.74501145e-01, -3.62176246e-01,  3.08058854e-01,
         1.32509732e-01,  0.00000000e+00],
       [ 9.16836886e-01, -1.31979479e-01,  3.64896281e-01,
         2.64141916e-01,  0.00000000e+00],
       [ 1.15917263e+00, -5.92373012e-01,  5.92245988e-01,
         2.64141916e-01,  0.00000000e+00],
       [ 1.03800476e+00, -1.31979479e-01,  7.05920842e-01,
         6.59038469e-01,  0.00000000e+00],
       [ 1.89829664e-01, -3.62176246e-01,  4.21733708e-01,
         3.95774101e-01,  0.00000000e+00],
       [-1.73673948e-01, -1.05276654e+00, -1.46640561e-01,
        -2.62386821e-01,  0.00000000e+00],
       [-4.16009689e-01, -1.51316008e+00,  2.38717193e-02,
        -1.30754636e-01,  0.00000000e+00],
       [-4.16009689e-01, -1.51316008e+00, -3.29657076e-02,
        -2.62386821e-01,  0.00000000e+00],
       [-5.25060772e-02, -8.22569778e-01,  8.07091462e-02,
         8.77547895e-04,  0.00000000e+00],
       [ 1.89829664e-01, -8.22569778e-01,  7.62758269e-01,
         5.27406285e-01,  0.00000000e+00],
       [-5.37177559e-01, -1.31979479e-01,  4.21733708e-01,
         3.95774101e-01,  0.00000000e+00],
       [ 1.89829664e-01,  7.88807586e-01,  4.21733708e-01,
         5.27406285e-01,  0.00000000e+00],
       [ 1.03800476e+00,  9.82172869e-02,  5.35408562e-01,
         3.95774101e-01,  0.00000000e+00],
       [ 5.53333275e-01, -1.74335684e+00,  3.64896281e-01,
         1.32509732e-01,  0.00000000e+00],
       [-2.94841818e-01, -1.31979479e-01,  1.94384000e-01,
         1.32509732e-01,  0.00000000e+00],
       [-4.16009689e-01, -1.28296331e+00,  1.37546573e-01,
         1.32509732e-01,  0.00000000e+00],
       [-4.16009689e-01, -1.05276654e+00,  3.64896281e-01,
         8.77547895e-04,  0.00000000e+00],
       [ 3.10997534e-01, -1.31979479e-01,  4.78571135e-01,
         2.64141916e-01,  0.00000000e+00],
       [-5.25060772e-02, -1.05276654e+00,  1.37546573e-01,
         8.77547895e-04,  0.00000000e+00],
       [-1.02184904e+00, -1.74335684e+00, -2.60315415e-01,
        -2.62386821e-01,  0.00000000e+00],
       [-2.94841818e-01, -8.22569778e-01,  2.51221427e-01,
         1.32509732e-01,  0.00000000e+00],
       [-1.73673948e-01, -1.31979479e-01,  2.51221427e-01,
         8.77547895e-04,  0.00000000e+00],
       [-1.73673948e-01, -3.62176246e-01,  2.51221427e-01,
         1.32509732e-01,  0.00000000e+00],
       [ 4.32165405e-01, -3.62176246e-01,  3.08058854e-01,
         1.32509732e-01,  0.00000000e+00],
       [-9.00681170e-01, -1.28296331e+00, -4.30827696e-01,
        -1.30754636e-01,  0.00000000e+00],
       [-1.73673948e-01, -5.92373012e-01,  1.94384000e-01,
         1.32509732e-01,  0.00000000e+00],
       [ 5.53333275e-01,  5.58610819e-01,  1.27429511e+00,
         1.71209594e+00,  1.22474487e+00],
       [-5.25060772e-02, -8.22569778e-01,  7.62758269e-01,
         9.22302838e-01,  1.22474487e+00],
       [ 1.52267624e+00, -1.31979479e-01,  1.21745768e+00,
         1.18556721e+00,  1.22474487e+00],
       [ 5.53333275e-01, -3.62176246e-01,  1.04694540e+00,
         7.90670654e-01,  1.22474487e+00],
       [ 7.95669016e-01, -1.31979479e-01,  1.16062026e+00,
         1.31719939e+00,  1.22474487e+00],
       [ 2.12851559e+00, -1.31979479e-01,  1.61531967e+00,
         1.18556721e+00,  1.22474487e+00],
       [-1.14301691e+00, -1.28296331e+00,  4.21733708e-01,
         6.59038469e-01,  1.22474487e+00],
       [ 1.76501198e+00, -3.62176246e-01,  1.44480739e+00,
         7.90670654e-01,  1.22474487e+00],
       [ 1.03800476e+00, -1.28296331e+00,  1.16062026e+00,
         7.90670654e-01,  1.22474487e+00],
       [ 1.64384411e+00,  1.24920112e+00,  1.33113254e+00,
         1.71209594e+00,  1.22474487e+00],
       [ 7.95669016e-01,  3.28414053e-01,  7.62758269e-01,
         1.05393502e+00,  1.22474487e+00],
       [ 6.74501145e-01, -8.22569778e-01,  8.76433123e-01,
         9.22302838e-01,  1.22474487e+00],
       [ 1.15917263e+00, -1.31979479e-01,  9.90107977e-01,
         1.18556721e+00,  1.22474487e+00],
       [-1.73673948e-01, -1.28296331e+00,  7.05920842e-01,
         1.05393502e+00,  1.22474487e+00],
       [-5.25060772e-02, -5.92373012e-01,  7.62758269e-01,
         1.58046376e+00,  1.22474487e+00],
       [ 6.74501145e-01,  3.28414053e-01,  8.76433123e-01,
         1.44883158e+00,  1.22474487e+00],
       [ 7.95669016e-01, -1.31979479e-01,  9.90107977e-01,
         7.90670654e-01,  1.22474487e+00],
       [ 2.24968346e+00,  1.70959465e+00,  1.67215710e+00,
         1.31719939e+00,  1.22474487e+00],
       [ 2.24968346e+00, -1.05276654e+00,  1.78583195e+00,
         1.44883158e+00,  1.22474487e+00],
       [ 1.89829664e-01, -1.97355361e+00,  7.05920842e-01,
         3.95774101e-01,  1.22474487e+00],
       [ 1.28034050e+00,  3.28414053e-01,  1.10378283e+00,
         1.44883158e+00,  1.22474487e+00],
       [-2.94841818e-01, -5.92373012e-01,  6.49083415e-01,
         1.05393502e+00,  1.22474487e+00],
       [ 2.24968346e+00, -5.92373012e-01,  1.67215710e+00,
         1.05393502e+00,  1.22474487e+00],
       [ 5.53333275e-01, -8.22569778e-01,  6.49083415e-01,
         7.90670654e-01,  1.22474487e+00],
       [ 1.03800476e+00,  5.58610819e-01,  1.10378283e+00,
         1.18556721e+00,  1.22474487e+00],
       [ 1.64384411e+00,  3.28414053e-01,  1.27429511e+00,
         7.90670654e-01,  1.22474487e+00],
       [ 4.32165405e-01, -5.92373012e-01,  5.92245988e-01,
         7.90670654e-01,  1.22474487e+00],
       [ 3.10997534e-01, -1.31979479e-01,  6.49083415e-01,
         7.90670654e-01,  1.22474487e+00],
       [ 6.74501145e-01, -5.92373012e-01,  1.04694540e+00,
         1.18556721e+00,  1.22474487e+00],
       [ 1.64384411e+00, -1.31979479e-01,  1.16062026e+00,
         5.27406285e-01,  1.22474487e+00],
       [ 1.88617985e+00, -5.92373012e-01,  1.33113254e+00,
         9.22302838e-01,  1.22474487e+00],
       [ 2.49201920e+00,  1.70959465e+00,  1.50164482e+00,
         1.05393502e+00,  1.22474487e+00],
       [ 6.74501145e-01, -5.92373012e-01,  1.04694540e+00,
         1.31719939e+00,  1.22474487e+00],
       [ 5.53333275e-01, -5.92373012e-01,  7.62758269e-01,
         3.95774101e-01,  1.22474487e+00],
       [ 3.10997534e-01, -1.05276654e+00,  1.04694540e+00,
         2.64141916e-01,  1.22474487e+00],
       [ 2.24968346e+00, -1.31979479e-01,  1.33113254e+00,
         1.44883158e+00,  1.22474487e+00],
       [ 5.53333275e-01,  7.88807586e-01,  1.04694540e+00,
         1.58046376e+00,  1.22474487e+00],
       [ 6.74501145e-01,  9.82172869e-02,  9.90107977e-01,
         7.90670654e-01,  1.22474487e+00],
       [ 1.89829664e-01, -1.31979479e-01,  5.92245988e-01,
         7.90670654e-01,  1.22474487e+00],
       [ 1.28034050e+00,  9.82172869e-02,  9.33270550e-01,
         1.18556721e+00,  1.22474487e+00],
       [ 1.03800476e+00,  9.82172869e-02,  1.04694540e+00,
         1.58046376e+00,  1.22474487e+00],
       [ 1.28034050e+00,  9.82172869e-02,  7.62758269e-01,
         1.44883158e+00,  1.22474487e+00],
       [-5.25060772e-02, -8.22569778e-01,  7.62758269e-01,
         9.22302838e-01,  1.22474487e+00],
       [ 1.15917263e+00,  3.28414053e-01,  1.21745768e+00,
         1.44883158e+00,  1.22474487e+00],
       [ 1.03800476e+00,  5.58610819e-01,  1.10378283e+00,
         1.71209594e+00,  1.22474487e+00],
       [ 1.03800476e+00, -1.31979479e-01,  8.19595696e-01,
         1.44883158e+00,  1.22474487e+00],
       [ 5.53333275e-01, -1.28296331e+00,  7.05920842e-01,
         9.22302838e-01,  1.22474487e+00],
       [ 7.95669016e-01, -1.31979479e-01,  8.19595696e-01,
         1.05393502e+00,  1.22474487e+00],
       [ 4.32165405e-01,  7.88807586e-01,  9.33270550e-01,
         1.44883158e+00,  1.22474487e+00],
       [ 6.86617933e-02, -1.31979479e-01,  7.62758269e-01,
         7.90670654e-01,  1.22474487e+00]])

StandardScaler()을 하는 이유¶

# 사진을 자세히 보시면 원본 데이터 값은 x가 10~15 값을 가집니다.¶

이를 스케일 조정을 해준겁니다. (#MinMax 보시면 0~1의 값을 가지는게 보이시죠)¶

In [156]:

from sklearn.decomposition import PCA
pca = PCA(n_components=2) # 몇차원으로 할것인가??

#fit()과 transfor()을 호출하여 pca변환 데이터 변환
pca.fit(iris_scaled)
iris_pca = pca.transform(iris_scaled)

# 차원이 2차원으로 변환하는 것을 확인할수 있다
print(iris_pca.shape)

(150, 2)
(150, 5)

In [155]:

#pca 변환된 데이터의 컬럼명을 각각 pca_component_1 ,pca_component_2로 정정

pca_columns = ['pca_component_1' ,'pca_component_2']

irisDF_pca = pd.DataFrame(iris_pca, columns= pca_columns)
irisDF_pca['target'] = iris.target
irisDF_pca.head()

Out[155]:

	pca_component_1	pca_component_2
0	-2.576120	0.474499
1	-2.415322	-0.678092
2	-2.659333	-0.348282
3	-2.601991	-0.603306
4	-2.683744	0.640220

처음 가져온 데이터셋 shape는 (150, 5)에서 pca 이후 shape는 (150, 2)인것이 확인됬다.

In [ ]:

### PCA 수행

In [158]:

markers=['^', 's', 'o']

#setosa의 target 값은 0, versicolor는 1, virginica는 2. 각 target 별로 다른 shape으로 scatter plot 
for i, marker in enumerate(markers):
    x_axis_data = irisDF_pca[irisDF_pca['target']==i]['pca_component_1']
    y_axis_data = irisDF_pca[irisDF_pca['target']==i]['pca_component_2']
    plt.scatter(x_axis_data, y_axis_data, marker=marker,label=iris.target_names[i])
irisDF.head()
plt.legend()
plt.xlabel('petarl length')
plt.ylabel('petar width')
plt.show()

원본 데이터 vs PCA 데이터 간 예측성능 비교¶

In [162]:

from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import cross_val_score
rcf  = RandomForestClassifier(random_state=156)

#원본


scores = cross_val_score(rcf, iris.data, iris.target, scoring='accuracy',cv =3)
print(scores)

print(np.mean(scores))

[0.98 0.94 0.96]
0.96

PCA 수행하니 예측 성능이 증가했다¶

In [163]:

pca_x = irisDF_pca[['pca_component_1', 'pca_component_2']]
scores_pca= cross_val_score(rcf, pca_x, iris.target, scoring='accuracy', cv=3)
print(scores_pca)
print(np.mean(scores_pca))

[0.98 0.98 1.  ]
0.9866666666666667

실습 : 신용카드 연체 예측 데이터 PCA 신용카드 연체 예측 (UCI credit card default data)

In [167]:

import pandas as pd
card = pd.read_excel('06_credit_card.xls',header =1 , sheet_name='Data').iloc[0:,1:]
card.head()

Out[167]:

	LIMIT_BAL	SEX	EDUCATION	MARRIAGE	AGE	PAY_0	PAY_2	PAY_3	PAY_4	PAY_5	...	BILL_AMT4	BILL_AMT5	BILL_AMT6	PAY_AMT1	PAY_AMT2	PAY_AMT3	PAY_AMT4	PAY_AMT5	PAY_AMT6	default payment next month
0	20000	2	2	1	24	2	2	-1	-1	-2	...	0	0	0	0	689	0	0	0	0	1
1	120000	2	2	2	26	-1	2	0	0	0	...	3272	3455	3261	0	1000	1000	1000	0	2000	1
2	90000	2	2	2	34	0	0	0	0	0	...	14331	14948	15549	1518	1500	1000	1000	1000	5000	0
3	50000	2	2	1	37	0	0	0	0	0	...	28314	28959	29547	2000	2019	1200	1100	1069	1000	0
4	50000	1	2	1	57	-1	0	-1	0	0	...	20940	19146	19131	2000	36681	10000	9000	689	679	0

5 rows × 24 columns

In [169]:

card.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 30000 entries, 0 to 29999
Data columns (total 24 columns):
 #   Column                      Non-Null Count  Dtype
---  ------                      --------------  -----
 0   LIMIT_BAL                   30000 non-null  int64
 1   SEX                         30000 non-null  int64
 2   EDUCATION                   30000 non-null  int64
 3   MARRIAGE                    30000 non-null  int64
 4   AGE                         30000 non-null  int64
 5   PAY_0                       30000 non-null  int64
 6   PAY_2                       30000 non-null  int64
 7   PAY_3                       30000 non-null  int64
 8   PAY_4                       30000 non-null  int64
 9   PAY_5                       30000 non-null  int64
 10  PAY_6                       30000 non-null  int64
 11  BILL_AMT1                   30000 non-null  int64
 12  BILL_AMT2                   30000 non-null  int64
 13  BILL_AMT3                   30000 non-null  int64
 14  BILL_AMT4                   30000 non-null  int64
 15  BILL_AMT5                   30000 non-null  int64
 16  BILL_AMT6                   30000 non-null  int64
 17  PAY_AMT1                    30000 non-null  int64
 18  PAY_AMT2                    30000 non-null  int64
 19  PAY_AMT3                    30000 non-null  int64
 20  PAY_AMT4                    30000 non-null  int64
 21  PAY_AMT5                    30000 non-null  int64
 22  PAY_AMT6                    30000 non-null  int64
 23  default payment next month  30000 non-null  int64
dtypes: int64(24)
memory usage: 5.5 MB

In [171]:

card.rename(columns ={'PAY_0':'PAY_1','default payment next month':'default' },inplace=True)


#속성과 클래스로 데이터 분류
y_target = card['default']
X_features =card.drop(['default'],axis=1)

y_target.value_counts()

Out[171]:

0    23364
1     6636
Name: default, dtype: int64

In [176]:

import seaborn as sns
%matplotlib inline

corr = X_features.corr()
plt.figure(figsize=(14,14)) 
sns.heatmap(corr, annot=True, fmt = '.1g')  # fmt - 정밀도

Out[176]:

<AxesSubplot:>

In [178]:

from sklearn.decomposition import PCA
from sklearn.preprocessing import StandardScaler
cols_bill = ['BILL_AMT'+str(i) for i in range(1,7)]
print('대상 속성명:', cols_bill)

scaler = StandardScaler()
df_cols_scaled = scaler.fit_transform(X_features[cols_bill])
pca = PCA(n_components=2)
pca.fit(df_cols_scaled)

print('PCA Component별 변동성', pca.explained_variance_ratio_)

대상 속성명: ['BILL_AMT1', 'BILL_AMT2', 'BILL_AMT3', 'BILL_AMT4', 'BILL_AMT5', 'BILL_AMT6']
PCA Component별 변동성 [0.90555253 0.0509867 ]

6개의 피처를 2개의 피처로 PCA 변환했을 때 첫번째 컴포넌트가 전체 변동성의 90%를 설명한다

전체 피처들 PCA 변환(n_components=6) 전체 원본데이터와 pca변환한 데이터간의 랜덤 포레스트 예측 성능 비교

In [ ]:

## 원본 데이터의 성능

In [182]:

from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import cross_val_score
rcf  = RandomForestClassifier(n_estimators=6,random_state=156)

#원본
scores = cross_val_score(rcf, X_features, y_target, scoring='accuracy',cv=3)
print('CV=3의 경우 개별 FOLD세트별 정확도',scores)

print('평균 정확도:{0:.4f}'.format(np.mean(scores)))

CV=3의 경우 개별 FOLD세트별 정확도 [0.7951 0.8022 0.8076]
평균 정확도:0.8016

In [186]:

from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import cross_val_score

rcf  = RandomForestClassifier(n_estimators=6,random_state=156)


# PCA 부분
scaler = StandardScaler()
df_scaler= scaler.fit_transform(X_features)
pca = PCA(n_components=7)
df_pca = pca.fit_transform(df_scaler)
# 여기 까지


a
scores_df = cross_val_score(rcf, df_pca, y_target, scoring='accuracy',cv=3)
print('CV=3의 경우의 PCA 변환된  개별 FOLD세트별 정확도',scores_df)

print('PCA 변환 데이터 셋 평균 정확도:{0:.4f}'.format(np.mean(scores_df)))

CV=3의 경우의 PCA 변환된  개별 FOLD세트별 정확도 [0.7866 0.784  0.7899]
PCA 변환 데이터 셋 평균 정확도:0.7868

LDA¶

In [2]:

from sklearn.discriminant_analysis import LinearDiscriminantAnalysis
from sklearn.preprocessing import StandardScaler
from sklearn.datasets import load_iris

iris = load_iris()
iris_scaled = StandardScaler().fit_transform(iris.data)

In [6]:

lda =LinearDiscriminantAnalysis(n_components=2)
lda.fit(iris_scaled, iris.target)
iris_lda = lda.transform(iris_scaled)
print(iris_lda.shape)

(150, 2)

In [7]:

import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline

lda_columns=['lda_component_1','lda_component_2']
irisDF_lda = pd.DataFrame(iris_lda,columns=lda_columns)
irisDF_lda['target']=iris.target

#setosa는 세모, versicolor는 네모, virginica는 동그라미로 표현
markers=['^', 's', 'o']

#setosa의 target 값은 0, versicolor는 1, virginica는 2. 각 target 별로 다른 shape으로 scatter plot
for i, marker in enumerate(markers):
    x_axis_data = irisDF_lda[irisDF_lda['target']==i]['lda_component_1']
    y_axis_data = irisDF_lda[irisDF_lda['target']==i]['lda_component_2']

    plt.scatter(x_axis_data, y_axis_data, marker=marker,label=iris.target_names[i])

plt.legend(loc='upper right')
plt.xlabel('lda_component_1')
plt.ylabel('lda_component_2')
plt.show()

특이값 분해 SVD¶

SVD는 데이터의 패턴을 분석하여 중요 패턴(잠재요소) 가져온다.¶

TRUCATE svd 는 기존 데이터의 10퍼센트의 데이터를 가지고 기존데이터를 비슷하게 만들수 있다. (복원 시 중요한 부분만 가져온다.)
- 쇼핑 사이트에서 나의 검색패턴을 분석해 다른 종류의 비슷한 물건을 추천해주는 시스템
COMpact SCD는 50%로 정도만 제거한 후 복원한다, (기존파일을 압축 파일로 변경 후 다시 축해제를 하여도 데이터는 동일한 방법)

SVD 활용¶

이미지 압축/ 변환
추천 엔진
문서잠재의미분석
의사 역행렬을 통한 모델 예측

숫자 1의 사진을 입력시켜 SVD하면 인풋 100 -> 인코드 50 -> 패턴 2개 > 디코드 50 아웃픗 100¶

예측 1과 비슷하게 생긴 다른 숫자 1사진이 나온다

EX> 내 얼굴 사진을 넣으면 나와 비슷하게 생긴 얼굴사진이 나온다.

SVD 실습 하기¶

기존 데이터¶

In [116]:

import numpy as np
from numpy.linalg import svd

np.random.seed(11)
a=np.random.randn(4,4) #4개의 리스트  리스트 하나에 원소 4개까지  shape(4,4)
print(np.round(a,3)) # 소수점 3번쨰 까지 출력

[[ 1.749 -0.286 -0.485 -2.653]
 [-0.008 -0.32  -0.537  0.315]
 [ 0.421 -1.066 -0.886 -0.476]
 [ 0.69   0.561 -1.306 -1.119]]

In [117]:

U, Sigma, Vt = svd(a)
print(U.shape, Sigma.shape, Vt.shape)
print('U matrix:\n',np.round(U,3))
print('Sigma matrix:\n',np.round(Sigma,3))
print('Vt matrix:\n',np.round(Vt,3))

(4, 4) (4,) (4, 4)
U matrix:
 [[-0.859 -0.319  0.333 -0.223]
 [ 0.014  0.493 -0.072 -0.867]
 [-0.261  0.792  0.364  0.416]
 [-0.44   0.169 -0.867  0.161]]
Sigma matrix:
 [3.693 1.39  1.182 0.115]
Vt matrix:
 [[-0.519  0.074  0.329  0.786]
 [-0.08  -0.586 -0.743  0.313]
 [ 0.116 -0.8    0.581 -0.091]
 [-0.843 -0.1   -0.051 -0.526]]

In [119]:

#시그마를 다시 0을 포함한 대칭행렬도 변환
Sigma_mat = np.diag(Sigma)
a_= np.dot(np.dot(U, Sigma_mat),Vt)
print(np.round(a_,3))

[[ 1.749 -0.286 -0.485 -2.653]
 [-0.008 -0.32  -0.537  0.315]
 [ 0.421 -1.066 -0.886 -0.476]
 [ 0.69   0.561 -1.306 -1.119]]

In [121]:

a[2] =a[0] + a[1]
a[3] = a[0]
print(np.round(a,3))

# >> 0리스트와 3 리스트가 값이 같게 만들었다.

[[ 1.749 -0.286 -0.485 -2.653]
 [-0.008 -0.32  -0.537  0.315]
 [ 1.741 -0.606 -1.021 -2.338]
 [ 1.749 -0.286 -0.485 -2.653]]

In [122]:

U, Sigma, Vt = svd(a)
print(U.shape, Sigma.shape, Vt.shape)

print('Sigma matrix:\n',np.round(Sigma,3))

(4, 4) (4,) (4, 4)
Sigma matrix:
 [5.517 0.893 0.    0.   ]

In [ ]:

PDF PAGE _ 369페이지 적기

U_ = U[;,2:]
Sigma_ = np.diag(Sigma[:2])

Vt_ = Vt[:2]
print(U_.shape,Sigma_.shape,Vt_.shape )
a_ = np.dot(np.dot())

Truncated SVD 를 이용한 행렬 분해¶

In [ ]:

NMF(Non Negative Matric Factorization)¶

SVD랑 같은 축소법이다.
원소값은 양수여야만 한다. 음수는 불가능 하다.

'머신러닝 > 비지도 학습' 카테고리의 다른 글

06-1_PCA 실습_ 타이타닉 데이터 셋 활용 (0)	2022.10.26

with_open_형준

06_차원 축소_ PCA, LDA , SVD

비지도 확습은 PCA가 최고 성능을 가지고 있다.¶

PCA(Principal Component Analysis)의 이해¶

StandardScaler()을 하는 이유¶

# 사진을 자세히 보시면 원본 데이터 값은 x가 10~15 값을 가집니다.¶

이를 스케일 조정을 해준겁니다. (#MinMax 보시면 0~1의 값을 가지는게 보이시죠)¶

원본 데이터 vs PCA 데이터 간 예측성능 비교¶

PCA 수행하니 예측 성능이 증가했다¶

LDA¶

특이값 분해 SVD¶

SVD는 데이터의 패턴을 분석하여 중요 패턴(잠재요소) 가져온다.¶

SVD 활용¶

숫자 1의 사진을 입력시켜 SVD하면 인풋 100 -> 인코드 50 -> 패턴 2개 > 디코드 50 아웃픗 100¶

SVD 실습 하기¶

기존 데이터¶

Truncated SVD 를 이용한 행렬 분해¶

NMF(Non Negative Matric Factorization)¶

'머신러닝 > 비지도 학습' 카테고리의 다른 글

티스토리툴바

	sepal_length	sepal_width	petal_length	petar_width
0	5.1	3.5	1.4	0.2
1	4.9	3.0	1.4	0.2
2	4.7	3.2	1.3	0.2
3	4.6	3.1	1.5	0.2
4	5.0	3.6	1.4	0.2

	sepal_length	sepal_width	petal_length	petar_width
0	5.1	3.5	1.4	0.2
1	4.9	3.0	1.4	0.2
2	4.7	3.2	1.3	0.2
3	4.6	3.1	1.5	0.2
4	5.0	3.6	1.4	0.2

06_차원 축소_ PCA, LDA , SVD

비지도 확습은 PCA가 최고 성능을 가지고 있다.¶

PCA(Principal Component Analysis)의 이해¶

StandardScaler()을 하는 이유¶

# 사진을 자세히 보시면 원본 데이터 값은 x가 10~15 값을 가집니다.¶

이를 스케일 조정을 해준겁니다. (#MinMax 보시면 0~1의 값을 가지는게 보이시죠)¶

원본 데이터 vs PCA 데이터 간 예측성능 비교¶

PCA 수행하니 예측 성능이 증가했다¶

LDA¶

특이값 분해 SVD¶

SVD는 데이터의 패턴을 분석하여 중요 패턴(잠재요소) 가져온다.¶

SVD 활용¶

숫자 1의 사진을 입력시켜 SVD하면 인풋 100 -> 인코드 50 -> 패턴 2개 > 디코드 50 아웃픗 100¶

SVD 실습 하기¶

기존 데이터¶

Truncated SVD 를 이용한 행렬 분해¶

NMF(Non Negative Matric Factorization)¶

'머신러닝 > 비지도 학습' 카테고리의 다른 글

'머신러닝/비지도 학습' Related Articles

티스토리툴바

	sepal_length	sepal_width	petal_length	petar_width
0	5.1	3.5	1.4	0.2
1	4.9	3.0	1.4	0.2
2	4.7	3.2	1.3	0.2
3	4.6	3.1	1.5	0.2
4	5.0	3.6	1.4	0.2