python主成分对变量的贡献率_python 统计 主成分分析

规范化处理，缓解特征共线性问题

from sklearn.preprocessing import *

#数据规范化处理

raw=data.iloc[:,4:10]

zraw1=StandardScaler(copy=True,with_mean=True, with_std=True).fit_transform(raw)#z变换,with_std=False对中处理

zraw2=MinMaxScaler(feature_range=(0,100)).fit_transform(raw)#归一化及任意区间的线性变换，逻辑回归

zraw3=RobustScaler(quantile_range=(25.0, 75.0),with_centering=True,with_scaling=True).fit_transform(raw)#稳健变换,右偏数据

zraw4=Binarizer(threshold=0).transform(zraw1)#二值变换，大于threshold值的赋值1，其他为0，图像数据

zraw5=normalize(raw,norm='l1',axis=1)#特征归一化，l1表示L1范数(曼哈顿聚类，L2是欧式距离)，axis=1表示行的绝对值和为1；

zraw6=np.log(raw)#另外见PowerTransformer()

主成因分析

#============主成分分析============&