降维

Python 中的机器学习预处理

James Chapman

Curriculum Manager, DataCamp

降维与PCA

  • 无监督学习方法
  • 组合/分解特征空间
  • 特征提取——此处用于减少特征空间
  • 主成分分析
  • 线性变换到不相关空间
  • 每个成分尽可能捕获更多方差
Python 中的机器学习预处理

scikit-learn中的PCA

from sklearn.decomposition import PCA
pca = PCA()
df_pca = pca.fit_transform(df)

print(df_pca)
[88.4583, 18.7764, -2.2379, ..., 0.0954, 0.0361, -0.0034],
[93.4564, 18.6709, -1.7887, ..., -0.0509, 0.1331, 0.0119],
[-186.9433, -0.2133, -5.6307, ..., 0.0332, 0.0271, 0.0055]
print(pca.explained_variance_ratio_)
[0.9981, 0.0017, 0.0001, 0.0001, ...]
Python 中的机器学习预处理

PCA注意事项

  • 成分难以解释
  • 预处理之旅的终点
Python 中的机器学习预处理

Let's practice!

Python 中的机器学习预处理

Preparing Video For Download...