## 降维

特征选择与降维技巧

最新推荐文章于 2025-08-21 10:00:00 发布

原创最新推荐文章于 2025-08-21 10:00:00 发布 · 101 阅读

0 ·

CC 4.0 BY-SA版权

本文探讨了机器学习中特征选择的重要性，通过删除低方差特征和应用主成分分析（PCA）进行特征降维，以提升模型效率。文章提供了具体代码示例，展示了如何使用VarianceThreshold和PCA对数据进行预处理。

在这里插入图片描述

def var():
    """
    特征选择-删除低方差的特征
    :return: None
    """
    var = VarianceThreshold(threshold=1.0)

    data = var.fit_transform([[0, 2, 0, 3], [0, 1, 4, 3], [0, 1, 1, 3]])

    print(data)
    return None

在这里插入图片描述

一般使用小数形式的参数，代表保留的信息程度

def pca():
    """
    主成分分析进行特征降维
    :return: None
    """
    pca = PCA(n_components=0.9)

    data = pca.fit_transform([[2,8,4,5],[6,3,0,8],[5,4,9,1]])

    print(data)

    return None