- 使用 PCA 进行降维
读入 heart.csv 文件，用 PCA 方法进行降维，要求输出特征向量、维度压缩的数量（依
据是什么）以及降维后的结果。
附上源代码：
import pandas as pd
import numpy as np
from sklearn.decomposition import PCA
data = pd.read_csv(r'heart.csv',header=None,delimiter=' ')
pca = PCA()
pca.fit(data)
print('特征向量\n',pca.components_)
print('各个成分各自的方差百分比（贡献率）\n',pca.explained_variance_ratio_)
#特征向量的维度和长度
len(pca.components_), pca.components_.shape
# 根据计算结果，前四分主成分即达到贡献率99.77%，
pca=PCA(4)
pca.fit(data)
low_d = pca.transform(data)
print(low_d)
#计算压缩维数：
np.array(list(data.shape))-np.array(list(pca.components_.shape))
#还原
inv_result = pca.inverse_transform(low_d)
print(inv_result) #降维有损
#贡献率99.77%,但维数不变
print(inv_result.shape)
print(data)