数据降维的两种方法

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)