必须标准化，否则PCA会因量纲差异失效；StandardScaler使各特征均值为0、标准差为1，确保协方差矩阵真实反映相关性，避免方差假象主导主成分选择。
必须标准化，否则 PCA 会因量纲差异失效——这是绝大多数人第一次用错的根源。
为什么 StandardScaler 不可跳过？
PCA 依赖各特征的方差大小来确定主成分方向。如果一个特征单位是「万元」，另一个是「百分比」，前者数值大、方差天然占优，PCA 就会错误地把「万元」特征的方向当成第一主成分，完全掩盖真实结构。
- 原始数据未标准化时，
pca.explained_variance_ratio_可能显示第一个主成分解释 90%+ 方差，但这只是尺度假象 -
StandardScaler确保每个特征均值为 0、标准差为 1，让协方差矩阵真正反映变量间相关性 - 图像类数据（如 MNIST 的
pixel_0到pixel_783）虽同为 0–255，仍需标准化——因为像素分布不均，边缘区域方差常远低于中心
n_components 怎么设才合理？
硬写 n_components=2 只适合可视化；生产中得看累计解释方差，而非固定数字。
- 先跑
PCA().fit(X_scaled)，再画np.cumsum(pca.explained_variance_ratio_)曲线 - 选拐点或达到 85%–95% 累计方差的最小维度——例如曲线在第 17 维突破 90%，就设
n_components=17 - 若数据含大量噪声（如传感器漂移），保留 95% 反而可能带入噪声；此时可主动降为 80%–85%，配合后续模型验证
降维后怎么用？别直接扔进分类器
PCA 输出的是正交新坐标，本身无业务含义。直接喂给逻辑回归或树模型，可能削弱可解释性，甚至降低效果。
立即学习“Python免费学习笔记（深入）”；
- 先检查
pca.components_形状：若原特征 100 维、降为 10 维，则它是(10, 100)矩阵，每行对应一个主成分的权重向量 - 想追溯「第一主成分主要由哪些原始特征驱动」，可取
pca.components_[0]绝对值最大的前 5–10 个索引，查回原始列名 - 若下游是 SVM 或神经网络，降维后数据可直接用；但若用决策树或线性模型，建议同时试原始特征 + PCA 特征组合，对比 CV 分数
最容易被忽略的点：PCA 是无监督的，它不看标签。当类别信息集中在低方差方向（比如少数几个特征微小但关键的差异），强行保留高方差主成分反而丢掉判别力——这时该考虑 LinearDiscriminantAnalysis 或领域知识驱动的特征工程，而不是默认套 PCA。
