• 博客园logo
  • 会员
  • 众包
  • 新闻
  • 博问
  • 闪存
  • 赞助商
  • HarmonyOS
  • Chat2DB
    • 搜索
      所有博客
    • 搜索
      当前博客
  • 写随笔 我的博客 短消息 简洁模式
    用户头像
    我的博客 我的园子 账号设置 会员中心 简洁模式 ... 退出登录
    注册 登录

LR233

  • 博客园
  • 联系
  • 订阅
  • 管理

公告

View Post

1、pca.explained_variance_ratio_

1、导包

from sklearn.decomposition import PCA

2、PCA的使用方法

2.1、导入相关的包

2.2、使用PCA降维钱需要对数据先进行标准化

2.3、PCA里面的参数n_components表示你想要将数据降到几维

from sklearn.decomposition import PCA
from sklearn.preprocessing import StandardScaler
scaler = StandardScaler() 
Xs = scaler.fit_transform(features)
pca = decomposition.PCA(n_components=?)).fit(Xs)

3、pca.explained_variance_ratio_属性

  主成分方差贡献率:该方法代表降维后的各主成分的方差值占总方差值的比例,这个比例越大,则越是重要的主成分。

  通过使用这个方法确定我们最终想要的数据维度。

3.1代码如下

scree = pca.explained_variance_ratio_

 

posted on 2022-11-03 16:08  LR233  阅读(746)  评论(0)    收藏  举报

刷新页面返回顶部
 
博客园  ©  2004-2025
浙公网安备 33010602011771号 浙ICP备2021040463号-3