主成分分析（PCA）

一、什么是主成分分析（PCA）

• 定义：高维数据转化为低维数据的过程，在此过程中可能会舍弃原有数据、创造新的变量
• 作用：是数据维数压缩，尽可能降低原数据的维数（复杂度），损失少量信息。
• 应用：回归分析或者聚类分析当中

那么更好的理解这个过程呢？
1.我们来看一张图

2. 计算案例理解
3. 假设对于给定5个点，数据如下

(-1,-2) (-1, 0) ( 0, 0) ( 2, 1) ( 0, 1)

要求：将这个二维的数据简化成一维？ 并且损失少量的信息

这个过程如何计算的呢？找到一个合适的直线，通过一个矩阵运算得出主成分分析的结果

二、API

sklearn.decomposition.PCA(n_components=None)

• 将数据分解为较低维数空间
• n_components:
• 小数：表示保留百分之多少的信息
• 整数：减少到多少特征

PCA.fit_transform(X) X:numpy array格式的数据[n_samples,n_features]

• 返回值：转换后指定维度的array

数据计算检测

先拿个简单的数据计算一下

返回结果：

三、 案例：探究用户对物品类别的喜好细分降维

数据如下：

• order_products__prior.csv：订单与商品信息
• 字段：order_id, product_id, add_to_cart_order, reordered
• products.csv：商品信息
• 字段：product_id, product_name, aisle_id, department_id
• orders.csv：用户的订单信息
• 字段：order_id,user_id,eval_set,order_number,….
• aisles.csv：商品所属具体物品类别
• 字段： aisle_id, aisle

1.需求

2 分析

• 合并表，使得user_id与aisle在一张表当中
• 进行交叉表变换
• 进行降维

3 完整代码

返回结果

(206209, 44)