PCA降维代码demo

有三维数组array([[-2,4,3],[-2,5,4],[1,3,5],[-3,6,6],[5,7,6],[6,7,4]])，现在用PCA库函数实现降维，降到二维。
1.输出降维后的特征
2.打印输出所保留的2个成分各自的方差百分比。 打印输出各主成分的方差

import numpy as np
from sklearn.decomposition import PCA

# 有三维数组array([[-2,4,3],[-2,5,4],[1,3,5],[-3,6,6],[5,7,6],[6,7,4]])，
# 现在用PCA库函数实现降维，降到二维。
X = np.array([[-2, 4, 3], [-2, 5, 4], [1, 3, 5], [-3, 6, 6], [5, 7, 6], [6, 7, 4]])
pca = PCA(n_components=2)
pca.fit(X)

# 1.    输出降维后的特征
print(pca.components_)
# 2.    打印输出所保留的2个成分各自的方差百分比。
print(pca.explained_variance_ratio_)
# 3.    打印输出各主成分的方差。
print(pca.explained_variance_)

亲测有效！！！