【5分で解説】sklearnで主成分分析(PCA)して次元削除!これでKaggleで100カラム以上あるデータも対処できる

#scikit-learn、PCA(主成分分析)による次元削除の例

import numpy as np  # 科学技術計算ライブラリー
from sklearn.decomposition import PCA # scikit-learnのPCAクラス(主成分分析)
from sklearn.datasets import load_iris #irisのデータセット
import pandas as pd                          # DataFrameを使うためのライブラリ
import seaborn as sns                        # 可視化用のライブラリ
from matplotlib import pyplot as plt#グラフ描画につかう


#主成分分析による次元削除とは、教科を一つにまとめるイメージ。
#国語、英語、古文ならば文系
#化学、数学、統計学ならば理系という感じ。


#irisのデータ読み込み
dataset = load_iris()
X = pd.DataFrame(dataset.data,
                 columns=dataset.feature_names)
y = pd.Series(dataset.target, name='y')

#カラムを表示
print(dataset.feature_names)

#可視化
#sns.pairplot(X)


#PCAによる主成分分析を行ってirisの4次元から2次元に圧縮する
pca = PCA(n_components=2)
pca.fit(X)
X_p = pca.fit_transform(X.iloc[:,0:].values)  # PCAで次元圧縮
X_p = pd.DataFrame(X_p)                      # 可視化のためにデータフレームに変換


# In[2]:


#圧縮後の主成分をプロットする
plt.scatter(X_p.iloc[:, 0], X_p.iloc[:, 1],c=y)
plt.title('PCA Result')
plt.xlabel('pc1')
plt.ylabel('pc2')
plt.show()

print('各次元の寄与率: {0}'.format(pca.explained_variance_ratio_))
print('累積寄与率: {0}'.format(sum(pca.explained_variance_ratio_)))