7.5. 无监督降维#
如果你的特征数量很高，在监督步骤之前使用无监督步骤进行降维可能会很有用。许多无监督学习方法都实现了可用于降维的transform方法。下面我们将讨论这种模式的两个常用具体示例。
7.5.1. PCA：主成分分析#
decomposition.PCA寻找特征组合，这些组合能很好地捕获原始特征的方差。请参阅将信号分解为分量（矩阵分解问题）。
示例
7.5.2. 随机投影#
模块：random_projection提供了多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
7.5.3. 特征聚合#
cluster.FeatureAgglomeration应用层次聚类来将行为相似的特征分组。
示例