JANESTAR的专栏

目的：在机器学习过程中，我们常常面对存在成千上百的特征集合，这些高维度的特征集合存在冗余信息，同时也带来了巨大的计算开销。因此把高维数据映射到低维度空间，甚至是可视化的3维或2维空间是我们希望看到的。尽管降维存在数据丢失，但是只要保证主要特征不丢失，在一些情况下是值得采纳的。 下面探讨一种称作主成分分析（PCA）的方法来解决部分上述问题。PCA的思想是将n维特征映射到k维上（k2. PCA

在使用sklearn进行文本分类时，我们需要引入数据包。当我们使用from sklearn.datasets import fetch_20newsgroups实际上会自动给你下载 20newsgroups 到scikit_learn_data 文件夹下面。但是往往会出现No handlers could be found for logger "sklearn