主成分分析（PCA）

一套能够适用于各种训练的数据处理方法

ex: 数据的维度

PCA，将数据的中心作为新的坐标轴，并且旋转X、Y轴

• 优点
  • 降低数据的复杂性，识别重要的多个特征
• 缺点
  • 不一定需要，且有可能损失有效信息。
• 适用数据类型
  • 数值型数据

最大方差方向

sklearn中的PCA

def doPCA():
    from sklearn.desomposition import PCA
    pca = PCA(n_components=2)
    pca.fit(data)
    return pac

什么时候需要使用PCA

• 想要访问隐藏的特征
• 降维
• 进行预处理