实战

主成分分析实战

import numpy as np
from sklearn.decomposition import PCAX=np.array([[-1,-1],[-2,-1],[-3,-2],[1,1],[2,1],[3,2]]) #把列表转为矩阵
print(X)
print(X.shape) #6行2列#第一步建立模型
model=PCA(2) # 设置为2个主成分的维度  也可以是信息保留的精度，如0.95
#第二步 model.fit()
model.fit(X)
print(model.components_) #特征向量
print(model.explained_variance_) #方差 特征根
print(model.explained_variance_ratio_) #特征根的比率,所以可以取0.99的那个作为主成分# 降维
newX=model.transform(X)
print(newX) #出来了两列，实际上用第一列就行了，因为第一列的比率占了99%