机器学习笔记七：使用主成分分析(PCA)对数据集进行降维

一、前言

有时候我们遇到的一些数据会有很多的特征，几十个，甚至成千上百个，由于此时特征较多，就大大增加了计算的复杂度。鉴于并非所有的特征都非常重要，也为了减少计算的复杂度，我们有必要对数据进行降维。

以iris数据集为例，我们都知道，iris数据集有四个特征，这就导致我们不能很好的将数据可视化，因为此时特征数据的维度是4。为了方便将数据可视化，我们可以使用主成分分析(PCA)技术提取原始数据的主要特征，消除掉信息量相对较少的特征维度，这样就实现了对原始数据的降维。当我们将数据降到1维、2维或者3维时，我们就可以轻松的将数据可视化出来。

二、实例

1、导入相关模块

import pandas as pd
import numpy as np
from sklearn.datasets import load_iris
from sklearn.decomposition import PCA