如何将UCI多特征数据集合并为CSV并用于机器学习任务？

1. 将数据集合并为单个CSV文件 #

load_UCImultifeature返回的full_data是包含5个特征视图的列表（每个视图对应一组特征，比如傅里叶系数、像素特征等），每个视图是形状为(n_samples, n_features)的数组。要合并特征与标签并保存为CSV，可按以下两种方式操作：

方式1：拼接所有特征为单一矩阵 #

import pandas as pd
import numpy as np
from mvlearn.datasets import load_UCImultifeature

# 加载数据集
full_data, full_labels = load_UCImultifeature()

# 横向拼接所有视图的特征，得到单一特征矩阵
combined_features = np.hstack(full_data)

# 合并特征与标签为DataFrame
dataset = pd.DataFrame(combined_features)
dataset['label'] = full_labels

# 保存为CSV文件（index=False避免存储行索引）
dataset.to_csv('multifeature_combined.csv', index=False)

方式2：保留多视图特征结构 #

如果需要区分不同视图的特征，可以为每个视图的特征添加前缀后合并：

# 为每个视图的特征添加前缀，区分不同来源
view_dfs = []
for i, view in enumerate(full_data):
    view_df = pd.DataFrame(view, columns=[f'view_{i}_feat_{j}' for j in range(view.shape[1])])
    view_dfs.append(view_df)

# 合并所有视图的DataFrame，再添加标签列
combined_df = pd.concat(view_dfs, axis=1)
combined_df['label'] = full_labels

# 保存
combined_df.to_csv('multifeature_separate_views.csv', index=False)

2. 数据集在PCA、聚类分析及监督模型中的应用 #

2.1 PCA（主成分分析） #

PCA用于特征降维，建议先对特征做标准化处理（PCA对特征尺度敏感），支持单视图和多视图两种实现方式：

单视图PCA（基于拼接后的特征）

from sklearn.decomposition import PCA
from sklearn.preprocessing import StandardScaler

# 标准化特征
scaler = StandardScaler()
scaled_features = scaler.fit_transform(combined_features)

# 执行PCA，指定降维后的维度（比如2维用于可视化）
pca = PCA(n_components=2)
pca_transformed = pca.fit_transform(scaled_features)

# 查看各主成分的方差解释率
print(f"主成分方差解释率: {pca.explained_variance_ratio_}")

多视图PCA（利用多视图间的关联信息）

from mvlearn.decomposition import MultiviewPCA

# 多视图PCA，将每个视图降维到2维
mv_pca = MultiviewPCA(n_components=2)
mv_pca_transformed = mv_pca.fit_transform(full_data)

# 每个视图的降维结果存储在mv_pca_transformed的列表中

2.2 聚类分析 #

以KMeans为例，支持单视图和多视图两种聚类方式：

单视图KMeans聚类

from sklearn.cluster import KMeans
from sklearn.metrics import adjusted_rand_score, silhouette_score

# 初始化KMeans，设置聚类数为数据集的类别数（10类，对应数字0-9）
kmeans = KMeans(n_clusters=10, random_state=42)
cluster_labels = kmeans.fit_predict(scaled_features)

# 评估聚类效果：调整兰德指数（对比真实标签）、轮廓系数
ari = adjusted_rand_score(full_labels, cluster_labels)
sil_score = silhouette_score(scaled_features, cluster_labels)
print(f"调整兰德指数: {ari:.3f}")
print(f"轮廓系数: {sil_score:.3f}")

多视图KMeans聚类

from mvlearn.cluster import MultiviewKMeans

mv_kmeans = MultiviewKMeans(n_clusters=10, random_state=42)
mv_cluster_labels = mv_kmeans.fit_predict(full_data)

# 评估多视图聚类效果
mv_ari = adjusted_rand_score(full_labels, mv_cluster_labels)
print(f"多视图KMeans调整兰德指数: {mv_ari:.3f}")

2.3 监督机器学习模型（以判别分析为例） #

以线性判别分析（LDA）为例，展示完整的训练、评估流程，也可替换为随机森林、SVM等其他监督模型：

from sklearn.discriminant_analysis import LinearDiscriminantAnalysis
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score, classification_report

# 划分训练集与测试集（8:2比例）
X_train, X_test, y_train, y_test = train_test_split(
    scaled_features, full_labels, test_size=0.2, random_state=42
)

# 训练LDA模型
lda = LinearDiscriminantAnalysis()
lda.fit(X_train, y_train)

# 预测并评估
y_pred = lda.predict(X_test)
print(f"LDA测试集准确率: {accuracy_score(y_test, y_pred):.3f}")
print("\n分类报告:\n", classification_report(y_test, y_pred))

# 示例：替换为随机森林模型
from sklearn.ensemble import RandomForestClassifier
rf = RandomForestClassifier(n_estimators=100, random_state=42)
rf.fit(X_train, y_train)
rf_pred = rf.predict(X_test)
print(f"\n随机森林测试集准确率: {accuracy_score(y_test, rf_pred):.3f}")

内容的提问来源于stack exchange，提问作者Maale Faustus