6.5. 无监督降维#
如果您的特征数量很多，在进行监督步骤之前，使用无监督步骤对其进行降维可能很有用。许多无监督学习方法都实现了transform方法，可用于降维。下面我们将讨论这种模式的两个具体示例，这些示例被广泛使用。
6.5.1. PCA：主成分分析#
decomposition.PCA 寻找能够很好地捕捉原始特征方差的特征组合。参见分解信号到成分（矩阵分解问题）。
示例
6.5.2. 随机投影#
模块：random_projection 提供了几种通过随机投影进行数据降维的工具。请参阅文档的相关部分：随机投影。
示例
6.5.3. 特征聚集#
cluster.FeatureAgglomeration 应用层次聚类 将行为相似的特征组合在一起。
示例