Python 主成分分析 (PCA) 代码示例 - scikit-learn

下面是一个使用 Python 中的 scikit-learn 库来进行主成分分析 (PCA) 的示例代码:

# 导入必要的库
import numpy as np
from sklearn.decomposition import PCA

# 创建一个示例数据集
X = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

# 创建PCA对象
pca = PCA(n_components=2)

# 进行主成分分析
X_pca = pca.fit_transform(X)

# 打印降维后的数据
print(X_pca)

这段代码首先导入了必要的库，然后创建了一个示例数据集'X'。接下来，创建了一个 PCA 对象，并通过'n_components'参数指定要保留的主成分数量。然后，使用'fit_transform()'方法对数据进行主成分分析，并返回降维后的数据'X_pca'。最后，打印出降维后的数据。

请注意，这只是一个示例代码，你可以根据自己的数据和需求进行相应的调整。