导语:
本文主要介绍了关于Python特征降维如何理解的相关知识,包括特征选择与降维的区别,以及python降维这些编程知识,希望对大家有参考作用。
说明
1、PCA是最经典实用的降维技术,尤其是辅助图形识别。
2. 用于降低数据集的维度,同时保持方差在数据集中的贡献特性。
保留低阶主成分,同时忽略高阶成分,这往往会保留数据中最重要的部分。
实例
from sklearn.feature_selection import VarianceThreshold
# 特征选择 VarianceThreshold删除低方差的特征(删除差别不大的特征)
var = VarianceThreshold(threshold=1.0) # 将方差小于等于1.0的特征删除。 默认threshold=0.0
data = var.fit_transform([[0, 2, 0, 3], [0, 1, 4, 3], [0, 1, 1, 3]])
print(data)
'''
[[0]
[4]
[1]]
'''
本文教程操作环境:windows7系统、Python 3.9.1,DELL G3电脑。
本文为原创文章,版权归知行编程网所有,欢迎分享本文,转载请保留出处!
你可能也喜欢
- ♥ Python判断一个元素是否为字符串12/07
- ♥ python脚本为什么不能在cmd中执行10/05
- ♥ python如何将列表转换为字符串?09/25
- ♥ python中8个常用内置函数详解12/03
- ♥ 如何在python中编写接口10/08
- ♥ 如何在 python 中切换行12/08
内容反馈