主成分分析PCA
主成分分析(Principal Component Analysis, PCA)
主成分:
可以把具有相关性的高纬度变量,合成为线性无关的低纬度变量,称为主成分。主成分能够尽可能保留原始数据的信息。
- 方差(度量分散程度)
- 协方差(度量两变量间的线性相关性,0,线性无关)
- 特征向量:描述数据结构的非零向量。
原理:
矩阵的主成分就是其协方差矩阵对应的特征向量,按照对应的特征值大小进行排序,
最大的特征值就是第一主成分,其次第二主成分,以此类推。
sklearn库,使用sklearn.decomposition.PCA加载PCA进行降维,主要参数:
- n_components:指定主成分个数,即降维后数据维度。
- svd_solver:特征值分解方法 <