2.5 特性降维（呆板学习）

2.5 特性降维

2.5.1 降维

降维：是指在某些限定条件下，低落随机变量（特性）个数，得到一组“不干系”主变量的过程。
ndarray
维数 嵌套的层数
0维   标量
1维   向量
2维   矩阵
3维   
n维

二维数组
           低落的维度是低落特性的个数。
效果：
特性与特性之间不干系

 2.5.2 降维的两种方式

特性选择
主身分分析（可以明白一种特性提取的方式）
2.5.3 什么是特性选择

1 界说

数据中包罗冗余或干系变量（或称特性，属性，指标等），旨在从原有特性中找出重要特性。
2 方法

干系系数：特性与特性之间的干系程度。
3 模块

sklearn.feature_selection
4 过滤式

4.1 低方差特性过滤

4.2 干系系数

皮尔逊干系系数：反应变量之间干系关系密切程度的统计指标。

经盘算干系系数=0.9942.
以是我们得出结论是广告投入费与月匀称贩卖额之间有高度的正干系关系。
特点

API

特性与特性干系性很高：（接纳步调）
1）选取此中一个
2）按肯定权重举行加权，在举行加权求和。
3）主身分分析