day03-数据降维

# coding=utf-8
from sklearn.feature_selection import VarianceThreshold
from sklearn.decomposition import PCA

def var():
    """
    特征值过滤
    根据方差进行过滤，某列方差小于设定值则认为该特征值无用
    :return:
    """
    # threshold即是设定的方差值
    var = VarianceThreshold(threshold=0.0)

    data = var.fit_transform([[3,1,2,4],[3,4,5,4],[3,5,2,4]])

    print(data)


def pca():
    """
    PCA主动降维
    根据算法，将特征值降低到某一个范围内
    :return: 
    """

    # n_components可以为小数或者整数
    # 小数则为降低到原来特征值数量的百分之多少，根据经验一般为0.9~0.95
    # 整数则为降低到多少个特征值
    pca = PCA(n_components=0.9)

    data = pca.fit_transform([[3,1,2,4],[3,4,5,4],[3,5,2,4]])

    print(data)

    return None


if __name__ == '__main__':
    pca()

数据降维可以使得特征值减少，去除效果相仿的特征值