scikit learn 中pca 的用法
来源:互联网 发布:软件主管岗位职责 编辑:程序博客网 时间:2024/05/18 02:26
PCA参数如下:
class sklearn.decomposition.PCA(n_components=None, copy=True, whiten=False, svd_solver='auto', tol=0.0, iterated_power='auto', random_state=None)[source]
参数说明:
n_components
意义:PCA算法中所要保留的主成分个数n,也即保留下来的特征个数n
类型:int 或者 string,缺省时默认为None,所有成分被保留。
赋值为int,比如n_components=1,将把原始数据降到一个维度。
赋值为string,比如n_components=’mle’,将自动选取特征个数n,使得满足所要求的方差百分比。
copy
类型:bool,True或者False,缺省时默认为True。
意义:表示是否在运行算法时,将原始训练数据复制一份。
若为True,则运行PCA算法后,原始训练数据的值不会有任何改变,因为是在原始数据的副本上进行运算;
若为False,则运行PCA算法后,原始训练数据的值会改,因为是在原始数据上进行降维计算。
whiten
类型:bool,缺省时默认为False
意义:白化,使得每个特征具有相同的方差。关于“白化”,可参考:Ufldl教程
属性:
components_
类型:array,[n_components,n_features]
意义:特征空间中的主轴,表示数据中最大方差的方向。按explain_variance_排序。
explained_variance_
类型:array,[n_components]
意义:对应于每个主成分方向的方差值
explained_variance_ratio_
类型:array,[n_components]
意义:每个主成分方向的方差百分比。如果未设置n_components,则存储所有主成分,并且解释的方差的总和等于1.0
一个实例:
import numpy as npfrom sklearn.decomposition import PCAX = np.array([[-3, -1,0], [-2, -1,4], [-3, -2,6], [1, 1,-5], [2, 1,4], [3, 2,4]])pca = PCA(n_components=3)pca.fit(X)print(pca.explained_variance_ratio_) print(pca.components_)print(pca.mean_)print(X.mean(axis=0))[ 0.65472741 0.34327618 0.00199641][[ 0.20516068 0.17751253 -0.96249592] [ 0.84937517 0.45631899 0.26520708] [-0.48628275 0.8719302 0.05715602]][-0.33333333 0. 2.16666667][-0.33333333 0. 2.16666667]
更多参考:scikit-learn PCA官方文档
- scikit learn 中pca 的用法
- scikit-learn中PCA的使用方法
- scikit-learn中PCA的使用方法
- scikit-learn中PCA的使用方法
- scikit-learn中PCA的使用方法
- scikit-learn中PCA的使用方法
- scikit-learn中PCA的使用方法
- scikit-learn中PCA的使用方法
- scikit-learn中PCA的使用方法
- scikit-learn的用法
- scikit-learn的用法
- scikit-learn常用的用法及问题
- scikit-learn中算法的调用
- scikit-learn中gridSearchCV 的使用
- scikit-learn的安装
- scikit -learn 的使用
- scikit-learn的基本用法(四)——数据归一化
- Python中机器学习库scikit-learn的安装
- APPIUM学习--环境安装
- 1006:换个格式输出整数
- 物联网之绿色出行
- 判断手机号是否是素数
- 解决pycharm左侧项目文件名中文字体乱码情况?中文显示口口口口......
- scikit learn 中pca 的用法
- 【NOI2014模拟7.11】【WC2008游览计划加强】挖宝藏
- Oracle12C基本常识(五)
- 包含min函数的栈
- c语言初级阶段知识整理(一)
- Unity3D游戏场景优化之批处理
- GCC主要数据结构之infile
- 字符串切割
- 顺时针打印矩阵