algorithm – 使用SPARK执行PCA后获取旧数据

2023年10月7日 295次阅读

我正在使用PCA将矩阵m * n减少到矩阵m * 2.

我正在使用apache spark site内的片段进入我的项目,它的工作原理.

import org.apache.spark.mllib.linalg.Matrix
import org.apache.spark.mllib.linalg.distributed.RowMatrix

val mat: RowMatrix = ...

    // Compute the top 2 principal components.
    val pc: Matrix = mat.computePrincipalComponents(2) // Principal components are stored in a local dense matrix.

    // Project the rows to the linear space spanned by the top 2 principal components.
    val projected: RowMatrix = mat.multiply(pc)

如果有办法获取旧数据,我还没有在API中看到过.为了理解PCA选择哪些列作为主要组件.

是否有任何库函数可以做到这一点？

UPDATE

如果PCA算法选择并转换了两列我的数据,我想知道如何验证此转换所引用的旧数据的哪些列？

例

多维矩阵：

0 0 0 2 4 
2 4 9 1 3 
3 9 3 2 7 
9 6 0 7 7

在PCA算法减少2维之后,我将获得：

-1.4 3  
2 -4.0 
3 -2.9  
-0.9 6

说,我怎么能理解PCA选择的哪些列作为主要成分,从原始数据中还原？

提前致谢.

最佳答案 矩阵pc包含主要组件作为其列.根据文件：

Rows correspond to observations and columns correspond to variables. The principal components are stored a local matrix of size n-by-k. Each column corresponds for one principal component, and the columns are in descending order of component variance.

因此,您可以通过执行来查看第i列

val pc: Matrix = ...
val i: Int = ...

for(row <- 0 until pc.numRows) {
  println(pc(row, i))
}

更新

如果你有输入矩阵mat =

0 0 0 2 4 
2 4 9 1 3 
3 9 3 2 7 
9 6 0 7 7

其中每行构成一个示例,每列构成变量,然后您可以计算PCA. pc =具有最大方差的两个主要组成部分

0.6072    0.2049
0.3466    0.6626
-0.4674    0.7098
0.4343   -0.1024
0.3225    0.0689

每列构成投影方向以获得维度减少数据的单个维度.为了获得现在维数减少的数据,你计算mat * pc给你

2.1588    0.0706
-0.2041    9.5523
6.6652    8.9843
12.8425    5.5844

这是您的数据在低维向量空间中投影时的样子.这里每行再次代表一个例子,每列代表一个变量.

如果我理解你的问题,那么你正在寻找矩阵pc的列,它告诉你每个原始尺寸对投影尺寸的贡献.投影只是原始数据与投影方向(pc列)的标量积.

点赞