sklearn.decomposition.PCA主要参数讲解、对鸢尾花数据集进行PCA降维处理
1.scikit-learn PCA类介绍
class sklearn.decomposition.PCA(n_components=None, copy=True, whiten=False, svd_solver=’auto’, tol=0.0, iterated_power=’auto’, random_state=None)[source]¶
官方文档：https://scikit-learn.org/stable/modules/generated/sklearn.decomposition.PCA.html#sklearn.decomposition.PCA
主成成分分析(Principal Component analysis, PCA)
利用数据的奇异值分解进行线性降维，将数据投影到低维空间。
它采用了基于LAPACK实现的完全SVD方法或者Halko等在2009年提出的随机截断SVD方法，这主要取决于输入数据的形状和提取成分的数量。
也可以采用基于scipy.sparse.linalg ARPACK实现的随机截断SVD方法。
需要注意的是本类不支持稀疏数据作为输入。如果要处理稀疏数据，可以参考TruncatedSVD类。
更多使用说明参考User Guide。
输入
n_components : int, float, None or string。降维后的主成成分数量。
-
如果
n_components没有设置，使用所有维度。n_components == min(n_samples, n_features)
-
如果
n_components == 'mle'且svd_solver == 'full'，将采用Minka’s MLE方法得出最终的维度. 而使用n_components == 'mle'时将把svd_solver == 'auto'编译为svd_solver == 'full'. -
如果
0 < n_components < 1且svd_solver == 'full',则方差和需要大于n_components所指定的阈值，PCA会自动地选择下降维数。 -
如果
svd_solver == 'arpack', 主城成分的数量必须严格小于n_features和n_samples之间的最小值.因此，n_components=None的结果为：n_components == min(n_samples, n_features) - 1
svd_solver : string {‘auto’, ‘full’, ‘arpack’, ‘randomized’}。
-
auto : 基于X.shape和n_components采用默认方法的svd solver：如果输入数据大于500x500且提取的维数小鱼数据最小维数的80%，那么将采用更加有效的
randomized方法。其他情况下将计算精确完整的svd，并选择性的截断。 -
full : 通过scipy.linalg.svd，调用标准的LAPACK solver计算精确完整的svd然后选择主成成分。
-
arpack : 通过solver via scipy.sparse.linalg.svds 调用ARPACK solver计算svd并截断成n_components个主成成分。n_components严格满足0 < n_components < min(X.shape)。
-
randomized : 通过Halko等的方法计算随机svd。
-
除了以上参数外，有两个PCA类的成员值得关注。第一个是explained_variance_，它代表降维后的各主成分的方差值。方差值越大，则说明越是重要的主成分。第二个是explained_variance_ratio_，它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
2.iris数据集PCA降维实例（利用Jupyter开发工具）
import pandas as pd
import numpy as np
from sklearn.datasets import load_iris
from sklearn.decomposition import PCA
from sklearn.model_selection import cross_val_score
iris = load_iris()
df_iris = pd.DataFrame(data=iris.data, columns=iris.feature_names)
df_iris.head()
# n_components=1
pca = PCA(n_components=1)
pca.fit(df_iris)
print('explained_variance_ratio: ', pca.explained_variance_ratio_)
print('explained_variance: ', pca.explained_variance_)
print('n_components: ', pca.n_components_)
# n_components=2
pca = PCA(n_components=2)
pca.fit(df_iris)
print('explained_variance_ratio: ', pca.explained_variance_ratio_)
print('explained_variance: ', pca.explained_variance_)
print('n_components: ', pca.n_components_)
# mle_pca
mle_pca = PCA(n_components='mle', svd_solver='full')
mle_pca.fit(df_iris)
print('explained_variance_ratio: ', mle_pca.explained_variance_ratio_)
print('explained_variance: ', mle_pca.explained_variance_)
print('n_components: ', mle_pca.n_components_)
# n_components=4
pca = PCA(n_components=4)
pca.fit(df_iris)
print('explained_variance_ratio: ', pca.explained_variance_ratio_)
print('explained_variance: ', pca.explained_variance_)
print('n_components: ', pca.n_components_)
