20、Python特征工程，维度压缩

1 维度压缩

主成分分析（rincipal components Analysis）

在减少数据集的维度的同时，保持对方差贡献最大的特征

2 PCA方法

pca_3=PCA(n_components=3) 维度设置

fit 训练数据

data_pca_3=pca_3.fit_transform(data)

3 代码案例事例

import pandas
from sklearn import datasets
import matplotlib.pyplot as plt
from sklearn.decomposition import PCA
from mpl_toolkits.mplot3d import Axes3D

# d加载库里边的iris数据集
iris=datasets.load_iris()

# 选择自变量和因变量

data=iris.data
target=iris.target

# 选择维度并进行训练

pca_3=PCA(n_components=3)

data_pca_3=pca_3.fit_transform(data)

"""
散点样式：

参数	样式
'.'	实心点
'o'	圆圈
','	一个像素点
'x'	叉号
'+'	十字
'*'	星号
'^' 'v' '<' '>'	三角形(上下左右)
'1' '2' '3' '4'	三叉号（上下左右）

颜色：

参数	颜色
'b'	蓝
&