参考书：《统计学习方法》第2版 第16章 主成分分析（PCA）示例
编写 test_pca_1.py 如下
python
# -*- coding: utf-8 -*-
""" 主成分分析（PCA） """
import matplotlib.pyplot as plt
from sklearn.datasets import load_iris
from sklearn.decomposition import PCA
# 加载鸢尾花数据集
iris = load_iris()
X = iris.data
y = iris.target
# 初始化 PCA
pca = PCA(n_components=2)
# 降维
X_pca = pca.fit_transform(X)
print("解释方差比例:", pca.explained_variance_ratio_)
# 可视化
plt.scatter(X_pca[:, 0], X_pca[:, 1], c=y, cmap='viridis')
plt.xlabel('PC1')
plt.ylabel('PC2')
plt.show()Anaconda 3
运行 python test_pca_1.py
解释方差比例: [0.92461872 0.05306648]