特征选择
# 特征降维 ———— 特征选择API
from sklearn.feature_selection import VarianceThreshold
# 特征选择 ———— 删除低方差的特征
vt = VarianceThreshold(threshold=0.0)
data = vt.fit_transform([[0, 2, 0, 3], [0, 1, 4, 3], [0, 1, 1, 3]])
print(data)
PCA 主成分分析
# PCA使一种分析、简化数据的技术
# 目的:是数据维数压缩,尽可能降低原数据的维度(复杂度),损失少量信息。
# 作用:可以削减回归分析或者聚类分析中的特征的数量
# 特征数量达到上百的时候,考虑数据的简化
from sklearn.decomposition import PCA
# n_component 小数:(0-1)保留百分之多少的数据量
# 整数:减少到的特征数量
pca = PCA(n_components=0.9)
data = pca.fit_transform([[2, 8, 4, 5], [6, 3, 0, 8], [5, 4, 9, 1]])
print(data)