PCA之Python调参

降维我们一般使用PCA算法来完成，还有一种叫做KPCA，它是添加了核函数的PCA降维。下面我们就来分别介绍下它们。

PCA

PCA的代码实现如下所示：

我们来介绍主要的几个参数：

1.n_components

指降维后的维度，默认为None。如果指定浮点数，即为所在原特征的百分比。

2.svd_solver

指的是奇异值分解（SVD）所采用的方法，默认为auto。

3.whiten

指是否进行白化操作，默认为False。当你选择True时，则会除以样本数倍的特征值，使得方差为1.

KPCA

来看几个重要的参数：

1.kernel

指模型采用核函数的类型，默认为linear，线性核函数。

2.remove_zero_eig

指是否删除特征值为0的成分，默认为False，不删除；如果为True，则会删除零特征值的成分。