1、本文以sklearn中的wine数据集为例来说明主成分分析。首先下载数据集。
from sklearn import datasets
wine=datasets.load_wine()
X=wine.data
y=wine.target
target_names=wine.target_names
2、从机器学习包中导入主成分分析函数。
from sklearn.decomposition import PCA
3、建立主成分，这里设主成分个数为2个，即n_components=2，其他参数为默认值。
pca = PCA(n_components=2)
4、训练模型，并得到主成分变量。
X_p= pca.fit(X).transform(X)
print(X.shape)#原始变量维度
print(X_p.shape)#主成分变量的维度
由结果可知，原来的13维变量，现在降到了二维变量。
5、获取每个主成分的贡献度。
print('各主成分贡献度:{}'.format(pca.explained_variance_ratio_))
可以看到第一个主成分贡献度已经很高。
6、当多维变量降维后，就可以在二维坐标绘制出散点图了。
plt.figure()
plt.scatter(X_p[:, 0], X_p[:, 1], c=y,alpha=.8,label=target_names)
plt.legend()
plt.title('PCA of Wine')
