8、主成分分析（PCA）：原理、实践与对比

主成分分析（PCA）：原理、实践与对比

1. 手动执行主成分分析（PCA）

在处理数据集时，主成分分析（PCA）是一种常用的降维技术。下面我们将使用鸢尾花数据集手动完成PCA操作，目标是将数据集的维度降低，同时保留至少75%的可用方差。

1.1 操作步骤

1. 导入必要的库

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

2. 加载数据集

df = pd.read_csv('iris-data.csv')
df.head()

3. 选择所需特征 ：这里我们只需要萼片长度（Sepal Length）和萼片宽度（Sepal Width）特征，移除其他列。

df = df[['Sepal Length', 'Sepal Width']]
df.head()

4. 计算协方差矩阵 ：为确保协方差矩阵基于特征而非样本，需要对数据进行转置。