数据降维、PCA——基于鸢尾花数据集

主成分分析PCA

主成分分析（Principal Component Analysis， PCA）

主成分：

可以把具有相关性的高纬度变量，合成为线性无关的低纬度变量，称为主成分。主成分能够尽可能保留原始数据的信息。

• 方差（度量分散程度）
• 协方差（度量两变量间的线性相关性，0，线性无关）
• 特征向量：描述数据结构的非零向量。

原理：

矩阵的主成分就是其协方差矩阵对应的特征向量，按照对应的特征值大小进行排序， 最大的特征值就是第一主成分，其次第二主成分，以此类推。

sklearn库，使用sklearn.decomposition.PCA加载PCA进行降维，主要参数：

• n_components:指定主成分个数，即降维后数据维度。
• svd_solver:特征值分解方法
<