Python sklearn PCA降维

 

寻找基于最优方差变异的维度

import numpy as np
from sklearn.decomposition import PCA


pca = PCA()
pca = pca.fit(data[ipt_col])

cumsum_ratio = list(np.cumsum(pca.explained_variance_ratio_))
alpha = 0.9   # 设置方差变异的最大的阈值为0.9，这个数值也可以调整。

# 寻找出最优的降维的维度数，i为最优的维度数
for i, j in enumerate(cumsum_ratio):
    if j > alpha:
        break
print('the best pca n_components is', i)