Python特征降维如何理解

说明

1、PCA是最经典、最实用的降维技术，尤其是辅助图形识别。

2、用于减少数据集的维度，同时保持数据集中对方差贡献的特征。

保持低阶主成分，而忽略高阶成分，往往是保留数据最重要的部分。

实例

fromsklearn.feature_selectionimportVarianceThreshold

#选择Variancethreshold删除低方差的特征(删除差异不大的特征)
var=VarianceThreshold(threshold=1.0)#删除方差小于等于1.0的特征。threshold=0.0.0
data=var.fit_transform([0，2，0，3]，[0，1，4，3]，[0，1，1，3]]

print(data)
'''
[[0]
[4]
[1]]
'''

以上是对Python特征降维的理解，希望对大家有所帮助。更多Python学习指南：python基础教程

本文教程操作环境：windows7系统Python 3.9.1，DELL G3电脑。