数据预处理-数据规约-属性规约

原数据：

#-*- coding: utf-8 -*-

import pandas as pd
from sklearn.decomposition import PCA    #PCA主成分分析函数

inputfile = '../data/principal_component.xls'
outoutfile = './dimention_reducted.xls'    #降维后的数据

data = pd.read_excel(inputfile)

pca = PCA()
pca.fit(data)
pca.components_    #返回模型的各个特征向量
pca.explained_variance_ratio_    #返回各个成分各自的方差百分比; variance：方差; ratio：百分比

输出：pca.explained_variance_ratio_

[8.19870356e-01 1.24403427e-01 4.35654729e-02 1.01185073e-02
 1.44614964e-03 3.46741246e-04 1.51101937e-04 9.82436662e-05]

从上面的结果可以得到特征方程det有8个特征根，对应8个特征向量以及各个成分的方差百分比(也称贡献率)，其中方差百分比越大，说明向量的权重越大。当选取前3个主成分时，累计的贡献率已达到98.78%（81.98%+12.44%+4.36%），说明选取前3