数据的降维之特征选择及主成分分析

数据降维
维度：即特征的数量

数据降维的方法有：1.特征选择 2.主成分分析

特征选择：

 

 

 

代码实例：

from sklearn.feature_selection import VarianceThreshold


def var():
    \'\'\'
    特征选择-删除低方差的特征 特征减少
    :return:None
    \'\'\'
    var = VarianceThreshold(threshold=0.0)
    data = var.fit_transform([[0, 2, 0, 3], [0, 1, 4, 3], [0, 1, 1, 3]])
    print(data)
    return None


if __name__ == \'__main__\':
    var()

运行结果：

 

主成分分析PCA：

 

 

代码实例：

from sklearn.decomposition import PCA


def pca():
    \'\'\'
    主成分分析进行特征降维
    :return:None
    \'\'\'
    pca = PCA(n_components=0.9)
    data = pca.fit_transform([[2, 8, 4, 5], [6, 3, 0, 8], [5, 4, 9, 1]])
    print(data)
    return None


if __name__ == \'__main__\':
    pca()

运行结果：