特征降维pca（Python特征降维如何理解）

说明

1    
    
    
、PCA是最经典     


     


     


、最实用的降维技术    
    
    
，尤其在辅助图形识别中表现突出    
    
    
。

2




 




 




 、用来减少数据集的维度


     


     


     ，同时保持数据集中对方差贡献特征     


     


     


。

保持低阶主成分
 




 




 



，而忽略高阶成分   

   

   

，低阶成分往往能保留数据的最重要部分




 




 




 。

实例

fromsklearn.feature_selectionimportVarianceThreshold #特征选择VarianceThreshold删除低方差的特征(删除差别不大的特征) var=VarianceThreshold(threshold=1.0)#将方差小于等于1.0的特征删除
   

   

   
。默认threshold=0.0 data=var.fit_transform([[0,2,0,3],[0,1,4,3],[0,1,1,3]]) print(data) [[0] [4] [1]]

以上就是Python特征降维的理解 

     

     

    ，希望对大家有所帮助     

     

     

。更多Python学习指路：Python基础教程