13、数据降维压缩方法：PCA与LDA详解

数据降维压缩方法：PCA与LDA详解

1. 主成分分析（PCA）逐步实现

PCA旨在将高维数据集压缩到新的特征子空间，以减少数据维度。以下是执行PCA的详细步骤：
1. 数据标准化 ：首先加载Wine数据集，并将其分为训练集和测试集，同时对特征进行标准化处理，使其具有单位方差。

import pandas as pd
df_wine = pd.read_csv('https://archive.ics.uci.edu/ml/' 
                      'machine-learning-databases/wine/wine.data', 
                      header=None)
from sklearn.model_selection import train_test_split
X, y = df_wine.iloc[:, 1:].values, df_wine.iloc[:, 0].values
X_train, X_test, y_train, y_test = \
    train_test_split(X, y, test_size=0.3,
                     stratify=y,
                     random_state=0)
from sklearn.preprocessing import StandardScaler
sc = StandardScaler()
X_train_std = sc.fit_transform(X_train)
X_test_std = sc.t