【含视频链接，快速使用】sklearn包中PCA（主成分分析）使用方法

教学视频
参数详解

降维后的特征是无法解释的，所以线性回归不能用降维

重要参数n_components(不能太大或太小)

import matplotlib.pyplot as plt
from sklearn.datasets import load_iris
from sklearn.decomposition import PCA

pca = PCA(n_components=2) # 实例化 我们想要降维后是2维
pca = pca.fit(X) # 拟合模型 X为降维前特征矩阵
X_dr = pca.transform(X) # 获取降维后的新特征矩阵 X_dr为降维后的2维矩阵

# 将上方3行写成1行
X_dr = PCA(2).fit_transform(X)

# 属性explained_variance,查看将为后每个新特征向量上所带的信息量大小（可解释性方差的大小）
pca.explained_variance_ # 返回降维后的每个维度的方差，越大说明带的信息量越大
# 属性explained_variance_ratio,查看降维后每个新特征向量所占的信息占原始数据总信息量的百分比
pca.explained_variance_ratio_ # 降维后每个维度占原来总的信息量的百分比
pca.explained_variance_ratio_.sum() # 降维后占降维前信息量的百分比

选择最好的n_components:累计可解释方差贡献率曲线

选累积性方差突然变得平滑的转折点作为n_components

import numpy as np
pca_line = PCA().fit(X)
plt.plot([1,2,3,4],np.cumsum(pca_line.explained_variance_ratio_))
plt.xticks([1,2,3,4]) # 这是为了限制坐标轴显示为整数
plt.xlabel("number of components after dimension reduction")
plt.ylabel("cumulative explained variance")
plt.show()