Python特征降维说明

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。

Python特征降维实例

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。