特征降维之主成分分析

怼烎@ 2022-12-28 14:03 177阅读 0赞

### 特征降维之主成分分析 ###

*  什么是主成分分析(PCA)
 *  API

# 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

# 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(data):
        # 示例化一个转化器类
        transfer = PCA(n_components=2)
        # 调用 transfer.fit_transform
        data_final = transfer.fit_transform(data)
        print('返回结果为：', data_final)
        # 输出特征名字
        # print('特征名字为：', transfer.get_feature_names())
    
    
    if __name__ == '__main__':
        data = [
            [2, 8, 4, 5],
            [6, 3, 0, 8],
            [5, 4, 9, 1]
        ]
        pca(data)
        
        '''
        返回结果为： [[ 1.28620952e-15  3.82970843e+00]
         [ 5.74456265e+00 -1.91485422e+00]
         [-5.74456265e+00 -1.91485422e+00]]
        '''

发表评论取消回复

表情：

评论列表（有 0 条评论，177人围观）

还没有评论，来说两句吧...

相关阅读

相关 sklearn 数据预处理，数据降维之特征选择，PCA主成分分析

目录 1.数据集的维度 2.什么是数据集降维 3.数据降维的方式 4.特征选择 1.特征选择的原因 2.特征选择是什么 3.特征选择的主要方法 4.Filter

你的名字/ 2023年02月23日 07:55/ 0 赞/ 265 阅读

相关机器学习 | 特征工程 —— 降维：PCA（主成分分析）

1.数学原理 > 1.1.【参考博客】 > > [https://www.cnblogs.com/xinyuyang/p/11178676.html][https_

素颜马尾好姑娘i/ 2023年02月22日 13:49/ 0 赞/ 72 阅读

相关特征工程之特征降维

特征工程之特征降维降维降维的两种方式特征选择定义方法模块

- 日理万妓/ 2022年12月28日 14:05/ 0 赞/ 159 阅读

相关特征降维之主成分分析

特征降维之主成分分析什么是主成分分析(PCA) API 什么是主成分分析(PCA) 定义：高维数据转化为低维数据的过

怼烎@/ 2022年12月28日 14:03/ 0 赞/ 178 阅读

相关机器学习算法 | PCA（主成分分析）降维算法

一：PCA算法目的根据样本矩阵X=\{x1，x2,…, Xm\}，以及当前样本空间中样本个数N，求得样本协方差矩阵XXT，中的最大的K个特征向量，并且利用这K个特征向量

矫情吗；*/ 2022年10月10日 09:53/ 0 赞/ 211 阅读

相关矩阵的特征：主成分分析（PCA）

我们先从主成分分析PCA开始看。在解释这个方法之前，我们先快速回顾一下什么是特征的降维。在机器学习领域中，我们要进行大量的特征工程，将物品的特征转换成计算机所能处理的各种数据。

- 日理万妓/ 2022年10月08日 05:54/ 0 赞/ 18 阅读

相关机器学习算法之主成分分析PCA降维

目录谈一下降维降维操作是干什么降维具有如下一些优点：降维的算法有哪些降维的的两种方式特征抽取：特征选择： PCA是啥？特征值和特征向量

你的名字/ 2022年08月28日 02:53/ 0 赞/ 358 阅读

相关机器学习降维算法一：PCA(主成分分析算法)

引言： [机器学习][Link 1]领域中所谓的降维就是指采用某种映射方法，将原高维空间中的数据点映射到低维度的空间中。降维的本质是学习一个映射函数 f : x->y，其

我不是女神ヾ/ 2022年06月11日 07:52/ 0 赞/ 258 阅读

相关 Python scikit-learn，特征降维，主成分分析，PCA

PCA(Principal Component Analysis)主成分分析是一种分析、简化数据集的技术。 PCA目的：数据维数压缩，尽可能降低原数据的维数（复杂度），损失少

怼烎@/ 2022年03月17日 15:44/ 0 赞/ 257 阅读

相关特征降维-主成分分析

1.Principal components analysis (PCA) 用于减少数据集的维度，同时保持数据集中的对方差贡献较大的特征；保留低阶主成分，忽略高阶成

r囧r小猫/ 2021年10月29日 12:38/ 0 赞/ 357 阅读