day 21
常见的降维算法
# 先运行之前预处理好的代码
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
import warnings
warnings.filterwarnings('ignore')# 设置中文字体
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
data=pd.read_csv('/Users/gj/东财-学习/python相关资料学习/Python60DaysChallenge-main/data.csv')
# 先筛选字符串变量
discrete_features=data.select_dtypes(include=['object']).columns.to_list()
# Home Ownership 变量
home_ownership_mapping={'Own Home':1,'Rent':2,'Have Mortgage':3,'Home Mortgage':4
}
data['Home Ownership']=data['Home Ownership'].map(home_ownership_mapping)
# Years in current job 变量
years_in_job_mapping={'<1 year':1,'1 year':2,'2 years':3,'3 years':4,'4 years':5,'5 years':6,'6 years':7,'7 years':8,'8 years':9,'9 years':10,'10+ years':11
}
data=pd.get_dummies(data,columns=['Purpose'])
data2=pd.read_csv('/Users/gj/东财-学习/python相关资料学习/Python60DaysChallenge-main/data.csv')
list_final=[]
for i in data.columns:if i not in data2.columns:list_final.append(i)
for i in list_final:data[i]=data[i].astype(int)# term 0-1 映射
term_mapping={'Short Term':0,'Long Term':1
}
data['Term']=data['Term'].map(term_mapping)
data.rename(columns={'Term':'Long Term'},inplace=True)
continuous_features=data.select_dtypes(include=['int64','float64']).columns.to_list()
# 连续特征用中位数
for feat in continuous_features:mode_value=data[feat].mode()[0]data[feat].fillna(mode_value,inplace=True)# 最开始也说了，很多调参数自带交叉验证，甚至是必选的参数，你如果想要不交叉更麻烦
data.drop(columns=['Id'],inplace=True)
data.info()
特征降维
通常情况下，提到降维，很多时候默认指的是无监督降维，这种方法只需要特征数据本身。但是实际上还包含一种有监督的方法。
1、无监督降维：
定义：这类算法在降维过程中不使用任何关于数据样本的标签信息（比如类别标签、目标值等）。他们仅仅根据数据点本身的分布，方差、相关性、局部结构等特性来寻找低维表示。
输入：只有特征矩阵X
目标：
保留数据中尽可能多的方差（如PCA）
保留数据的局部或全局流型结构（如LLE,LSOMAP,t-SNE，UMAP）
找到能够有效重构原始数据的紧凑表示（）
2、有监督降维：
定义：这类算法在降维过程中利用标签信息来指导降维过程。例如，在分类问题中，我们可能希望将不同类别的样本映射到低维空间，同时保持类别之间的区分度。
输入：特征矩阵X和对应的标签y
目标：
在低维空间中保留类别之间的区分度（如LDA）
最近工作上有点忙，可能每天学习的东西有限了，后面补上
@浙大疏锦行
