PCA降维处理和K-means聚类
1、无监督学习
没有目标值(变量)的算法。常见的无监督学习算法:
- 降维:主成分分析PCA降维处理
- 聚类:K-means(k均值聚类)
2、主成分分析
应用PCA实现特征的降维
- 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:使数据维度压缩,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
PCA的APA:
from sklearn.decomposition import PCA
PCA(n_components=None) #主成分分析
- n_components:
- 小数:表示保留百分之多少的信息
- 整数:减少到多少个特征变量 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
# 0 导入常用的数据分析库
import numpy as np
import pandas as pd
import warnings
warnings.filterwarnings("ignore") #用于排除警告
from sklearn.decomposition import PCA #主成分降维
from sklearn.preprocessing import StandardS