Python培训之特征降维如何理解

　　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，尤其在辅助图形识别中表现突出。

　　2、用来减少数据集的维度，同时保持数据集中对方差贡献特征。

　　保持低阶主成分，而忽略高阶成分，低阶成分往往能保留数据的最重要部分。

　　实例

　　from sklearn.feature_selection import VarianceThreshold

　　# 特征选择 VarianceThreshold删除低方差的特征(删除差别不大的特征)

　　var = VarianceThreshold(threshold=1.0) # 将方差小于等于1.0的特征删除。 默认threshold=0.0

　　data = var.fit_transform([[0, 2, 0, 3], [0, 1, 4, 3], [0, 1, 1, 3]])

　　print(data)

　　'''

　　[[0]

　　[4]

　　[1]]

　　'''

　　以上就是Python特征降维的理解，希望对大家有所帮助。更多Python学习指路：请关注多测师。https://www.e70w.com/xwzx/