目录
2.6.1 什么是主成分分析(PCA)
-
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:是数据维数压缩,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
调用API:
sklearn.decomposition.PCA(n_components=None)
将数据分解为较低维数空间
n_components:
小数:表示保留百分之多少的信息
整数:减少到多少特征
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
from sklearn.decomposition import PCA
def PCA_demo():
"""
PCA降维:将二维数组降为一维直线
:return:
"""
#数据
data = [[2, 8, 4, 5], [6, 3, 0, 8], [5, 4, 9, 1]]
#实例化转换器
transfer=PCA(n_components=3)
data_new=transfer.fit_transform(data)
print("data_new= \n",data_new)
return 0