机器学习之pca降维(python之sklearn实现).pdfVIP

六六 DATA 机器学习之pca 降维（python 中sklearn 实现） 现在我们对sklearn.decomposition.PCA 的主要参数做一个介绍： 1）n_components：这个参数可以帮我们指定希望PCA 降维后的特征维度数目。最常 用的做法是直接指定降维到的维度数目，此时n_components 是一个大于等于1 的整数。 当然，我们也可以指定主成分的方差和所占的最小比例阈值，让PCA 类自己去根据样本特 征方差来决定降维到的维度数，此时n_components 是一个（0，1]之间的数。当然，我 们还可以将参数设置为mle, 此时PCA 类会用MLE 算法根据特征的方差分布情况自己去 选择一定数量的主成分特征来降维。我们也可以用默认值，即不输入n_components，此 时n_components=min(样本数，特征数)。 2）whiten ：判断是否进行白化。所谓白化，就是对降维后的数据的每个特征进行 归一化，让方差都为1.对于PCA 降维本身来说，一般不需要白化。如果你PCA 降维后有 后续的数据处理动作，可以考虑白化。默认值是False，即不进行白化。 3）svd_solver：即指定奇异值分解SVD 的