JavaでのPCAの実装

Question

JavaでPCAを実装する必要があります。私は、文書化され、実用的で使いやすいものを見つけることに興味があります。どんな勧告？

Answer 1

ここには、PCA Classがあります。

このクラスには、バリマックスローテーションによる基本的な主成分分析に必要なメソッドが含まれています。共分散または相関martixのいずれかを使用した分析では、オプションを使用できます。モンテカルロシミュレーションを用いた並列解析が行われる。モンテカルロ固有値パーセンタイルより大きい、またはモンテカルロ固有値より大きい固有値に基づく抽出基準が利用可能である。実際に

Answer 2

チェックhttp://weka.sourceforge.net/doc.stable/weka/attributeSelection/PrincipalComponents.html WEKAは、PCAと一緒に使用することができ、他の多くのアルゴリズムを持っており、また随時多くのアルゴリズムを追加してWEKA。だから私は、もしあなたがweka apiに切り替えると、javaに取り組んでいる。

Answer 3

Java用の主成分分析の実装が多数あります。

1. Apacheのスパーク：https://spark.apache.org/docs/2.1.0/mllib-dimensionality-reduction.html#principal-component-analysis-pca

   SparkConf conf = new SparkConf().setAppName("PCAExample").setMaster("local"); 
   try (JavaSparkContext sc = new JavaSparkContext(conf)) { 
       //Create points as Spark Vectors 
       List<Vector> vectors = Arrays.asList(
         Vectors.dense(-1.0, -1.0), 
         Vectors.dense(-1.0, 1.0), 
         Vectors.dense(1.0, 1.0)); 
   
       //Create Spark MLLib RDD 
       JavaRDD<Vector> distData = sc.parallelize(vectors); 
       RDD<Vector> vectorRDD = distData.rdd(); 
   
       //Execute PCA Projection to 2 dimensions 
       PCA pca = new PCA(2); 
       PCAModel pcaModel = pca.fit(vectorRDD); 
       Matrix matrix = pcaModel.pc(); 
   } 
   

2. ND4J：http://nd4j.org/doc/org/nd4j/linalg/dimensionalityreduction/PCA.html

   //Create points as NDArray instances 
   List<INDArray> ndArrays = Arrays.asList(
        new NDArray(new float [] {-1.0F, -1.0F}), 
        new NDArray(new float [] {-1.0F, 1.0F}), 
        new NDArray(new float [] {1.0F, 1.0F})); 
   
   //Create matrix of points (rows are observations; columns are features) 
   INDArray matrix = new NDArray(ndArrays, new int [] {3,2}); 
   
   //Execute PCA - again to 2 dimensions 
   INDArray factors = PCA.pca_factor(matrix, 2, false); 
   

3. アパッチ・コモンズ数学（シングルスレッド; NOフレームワーク）

   //create points in a double array 
   double[][] pointsArray = new double[][] { 
       new double[] { -1.0, -1.0 }, 
       new double[] { -1.0, 1.0 }, 
       new double[] { 1.0, 1.0 } }; 
   
   //create real matrix 
   RealMatrix realMatrix = MatrixUtils.createRealMatrix(pointsArray); 
   
   //create covariance matrix of points, then find eigen vectors 
   //see https://stats.stackexchange.com/questions/2691/making-sense-of-principal-component-analysis-eigenvectors-eigenvalues 
   
   Covariance covariance = new Covariance(realMatrix); 
   RealMatrix covarianceMatrix = covariance.getCovarianceMatrix(); 
   EigenDecomposition ed = new EigenDecomposition(covarianceMatrix); 
   

注：プリンシパルコンポーネントの検索にも使用できる特異値分解には、同等の実装があります。

Answer 4

Smileは、Java用の本格的なMLライブラリです。 PCA実装に試してみてください。参照してください：https://haifengl.github.io/smile/api/java/smile/projection/PCA.html

SmileでPCA tutorialもありますが、このチュートリアルではScalaを使用しています。