Sklearn.decomposition

• 最常用的PCA：sklearn.decomposition.PCA
• 主要用于非线性数据的降维的KernelPCA
• 为解决单机内存限制的IncrementalPCA，有时候样本量可能是上百万+，维度可能也是上千，直接去拟合数据可能会让内存爆掉， 此时IncrementalPCA先将数据分成多个batch，然后对每个batch依次递增调用partial_fit函数，这样一步步的得到最终的样本最优降维。
• SparsePCA，主要使用了L1正则化将很多非主要成分的影响度降为0，这样在PCA降维的时候仅仅需要对那些相对比较主要的成分进行PCA降维，避免了一些噪声之类的因素对PCA降维的影响。
• MiniBatchSparsePCA，通过使用一部分样本特征和给定的迭代次数来进行PCA降维，以解决在大样本时特征分解过慢的问题，当然，代价就是PCA降维的精确度可能会降低。

sklearn.decomposition.PCA

1. n_components：PCA降维后的特征维度数目。也可以指定主成分的方差和所占的最小比例阈值，让PCA类去根据样本特征方差来决定降维到的维度数。还可以将参数设置为"mle", 此时PCA类会用MLE算法根据特征的方差分布情况去选择一定数量的主成分特征来降维。默认n_components=min(样本数，特征数)。
2. whiten ：判断是否进行白化 (对降维后的数据的每个特征进行归一化，让方差都为1)。对于PCA降维本身一般不需要白化。如果PCA降维后继续数据处理可以考虑白化。默认值是False。
3. svd_solver：即指定奇异值分解SVD的方法。{‘auto’, ‘full’, ‘arpack’, ‘randomized’}。
   randomized一般适用于数据量大，数据维度多同时主成分数目比例又较低的PCA降维，它使用了一些加快SVD的随机算法。 full则是传统意义上的SVD，使用了scipy库对应的实现。arpack和randomized的适用场景类似，区别是randomized使用的是scikit-learn自己的SVD实现，而arpack直接使用了scipy库的sparse SVD实现。
   默认是auto，即PCA类会在三种算法里面去权衡，选择一个合适的SVD算法来降维。

对于输入参数：

• explained_variance_，它代表降维后的各主成分的方差值。方差值越大，则说明越是重要的主成分。
• explained_variance_ratio_，它代表降维后的各主成分的方差值占总方差值的比例，这个比例越大，则越是重要的主成分。