Python数据分析与挖掘实战学习笔记（二）

接着补充昨天的学习笔记：

1.     数据规约

（1）     属性规约

和冰属性、逐步向前选择、向后删除、决策树归纳、主成分分析

主成分分析：是一种用于连续属性的数据降维方法，它够早了原始数据的一个正交变换，新空间的基底去除了原始空间基底下数据的相关性，只需使用少数新变量就能够解释原始数据中的大部分变异。应用中通常是选出比原始变量个数少，能解释大部分数据中的变量的几个新变量，即所谓主成分，来代替原始变量进行建模。

步骤如下：

①   设原始变量X1，X2···Xp的n词观测数据矩阵为：

 = (X1,x2,```xp)

②   将数据矩阵按列进行中心标准化，为了方便，将标准化后的数据矩阵仍然记为X。

③   求相关系数矩阵R，R=（r_ij）_pxp，，r_{ij定义为：}

④   求R的特征方程

⑤   确定主成分个数m，而此处a一般取>=80%。

⑥   计算m个相应的单位特征向量

⑦   计算主成分

在Python中，主成分分析的函数位于Scikit-learn下：

Sklearn.decomposition.PCA(n_components= None,copy = True, whiten = False)

参数说明：

n_components

意义：PCA算法中所要保留的主成分个数n，即保留下来的特征个数n。

类型：int或string，缺省时默认为None，所有成分被保留，赋值为int，比如n_components=1，将把原始数据降到一个维度。赋值为string，比如n_components=‘mle’，将自动选取特征个数n，使的满足所要求的方差百分比。

Copy：

类型：bool，True或者False，缺省时默认为True

意义：表示是否在运行算法是，将原始训练集数据复制一份。

Whiten

类型：bool，缺省时默认为False

意义：白化，使得每个特征具有相同的方差。

使用主成分分析降维的程序如下：

import pandas as pd
#参数初始化
inputfile='F:/fenxiyuwajue/dataandcode/chapter4/chapter4/demo/data/principal_component.xls'
output