Python 中缺失值的 PCA

Question

我正在尝试对屏蔽阵列进行 PCA 分析。据我所知，如果原始二维矩阵有缺失值，matplotlib.mlab.PCA 将不起作用。有没有人建议在 Python 中进行缺少值的 PCA？

谢谢。

Answer 1

我认为您可能需要在进行 PCA 之前对数据进行一些预处理。您可以使用：

sklearn.impute.SimpleImputer

使用此功能，您可以自动替换平均值、中位数或最频繁值的缺失值。很难说哪个选项最好，这取决于许多因素，例如数据的外观。

顺便说一下，您还可以使用与以下相同的库来使用 PCA：

sklearn.decomposition.PCA

以及许多其他统计函数和机器学习技术。

Answer 2

输入数据会以可能使 PCA 估计产生偏差的方式扭曲结果。更好的方法是使用 PPCA 算法，它给出与 PCA 相同的结果，但在某些实现中可以更稳健地处理缺失数据。

我找到了两个图书馆。你有

由于包的维护成本较低，您可能希望自己实施。上面的代码基于 Tipping 和 Bishop 1999 年引用（并且写得很好！）的论文中提出的理论。如果您需要有关如何正确实施 PPCA 的指导，可以在 Tippings home page 上找到它。

顺便说一句，sklearn implementation of PCA实际上是一个基于TippingBishop1999的PPCA实现，但他们没有选择以处理缺失值的方式实现它。

编辑： 上面的两个库都有问题，所以我自己不能直接使用它们。我分叉了 PyPPCA 并修复了它。 Available on github.

PCA with missing values in Python