sklearn的pca降维

data = pd.read_excel(r'C:\Users\Administrator\Desktop\principal_component.xls',header = None)

from sklearn.decomposition import PCA
pca = PCA()#默认不输入n_components时,n_components=min(样本数,特征数)
pca.fit(data)
pca.components_

pca.explained_variance_ratio_#计算下累加的方差,选择n_components的数值

pca = PCA(n_components=3)#3个主成分,n_components='mle'时,利用mle算法自动估计主成分的个数
pca.fit(data)

pca.transform(data)

pd.DataFrame(pca.transform(data))#形成dataframe格式后续计算或保存。

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值