【sklearn.decomposition.PCA使用介绍】

1. 关于主成分分析基础内容、库的参数设置等等、请参考以下文章

https://blog.csdn.net/qq7835144/article/details/103436685

https://zhuanlan.zhihu.com/p/443232256

https://www.cnblogs.com/cgmcoding/p/13627872.html

https://www.cnblogs.com/cgmcoding/p/13627872.html

2. 最简单的pca降维使用

# 假设 X 是你的 100条512 维数据
# 请替代为实际的数据，确保 X 的形状为 (样本数量, 特征维度)
X = numpy.random.rand(100, 512)  # 替代为实际的数据

# 创建 PCA 模型，选择降维到的维度（这里选择 60 维）
pca = PCA(n_components=60)

# 拟合数据并进行降维
pca.fit(X)
X_pca = pca.transform(X)
# 或者合并使用 X_pca = pca.fit_transform(X)

注：这里的 n_components，设置为浮点数时，含义是主成分的方差和所占的最小比例阈值；为整数时代表降低到多少维度

3. 首次降维处理后保存降维模型，重新加载后继续降维

# 保存 PCA 模型到文件
# 这里的 pca 是由语句 pca = PCA(n_components = 0.95) 得来
joblib.dump(pca, 'pca_model.joblib')

# 加载 PCA 模型
loaded_pca_model = joblib.load('pca_model.joblib')

4. 根据 累积方差解释率 的阈值设定，来主动选取降维大小

 pca = PCA()
 pca.fit(X)

 # 获取方差解释率： 获取每个主成分的方差解释率，以及累积方差解释率。
 explained_variance_ratio = pca.explained_variance_ratio_
 cumulative_variance_ratio = explained_variance_ratio.cumsum()

 # 选择降维大小： 根据累积方差解释率选择降维的大小。
 desired_variance_ratio = 0.92  # 选择一个阈值
 selected_components = len(cumulative_variance_ratio[cumulative_variance_ratio < desired_variance_ratio]) + 1

 # 使用选择的主成分数量进行降维
 pca_selected = PCA(n_components=selected_components)
 X_pca = pca_selected.fit_transform(X)

注：这条语句selected_components = len(cumulative_variance_ratio[cumulative_variance_ratio < desired_variance_ratio]) + 1含义：

• cumulative_variance_ratio < desired_variance_ratio：这部分创建了一个布尔数组，其中的元素是累积方差解释率是否小于设定的 desired_variance_ratio 阈值。这个阈值通常是一个预先定义的百分比，比如0.95，表示我们希望保留至少95%的方差。

• cumulative_variance_ratio[cumulative_variance_ratio < desired_variance_ratio]：通过使用布尔数组来索引，我们得到了满足条件的那些累积方差解释率。

• len(cumulative_variance_ratio[cumulative_variance_ratio < desired_variance_ratio])：这部分计算满足条件的累积方差解释率的数量，也就是所选的主成分数量。

• + 1：由于数组的索引从0开始，我们需要加1来得到实际的主成分数量。

总体来说，这一行代码的作用是计算保留累积方差解释率达到 desired_variance_ratio 的主成分数量。

举例：

• 假设 cumulative_variance_ratio 是 [0.2, 0.5, 0.7, 0.95]，而 desired_variance_ratio 是 0.8，那么 cumulative_variance_ratio < desired_variance_ratio 的结果将是 [True, True, False, False]。
• 接着，cumulative_variance_ratio[cumulative_variance_ratio < desired_variance_ratio] 这一部分使用布尔数组来索引 cumulative_variance_ratio 数组，只选择那些满足条件的累积方差解释率。在我们的例子中，结果将是 [0.2, 0.5]。
• 最后，len(cumulative_variance_ratio[cumulative_variance_ratio < desired_variance_ratio]) 计算了这个选择的主成分数量，即数组的长度，也就是满足条件的累积方差解释率的个数。在我们的例子中，长度是 2。
• 然后 + 1 是因为 Python 的索引是从 0 开始的，所以我们需要加 1 才能得到主成分的数量。这样就得到了 selected_components，即所选的主成分数量3。