必须先标准化再PCA，因PCA对尺度极度敏感；n_components可设为0.95自动选维；降维后需用相同模型对比分类性能验证信息保留效果。
直接用 sklearn.decomposition.PCA，别自己手写协方差矩阵和特征向量分解——既慢又容易数值不稳定。
为什么不能直接对原始数据调用 fit_transform() 就完事？
PCA 对数据尺度极度敏感。如果你的特征单位混杂（比如有的是像素值 0–255，有的是归一化后的文本 TF-IDF 值），不做标准化，主成分会严重偏向方差大的特征，完全扭曲真实结构。
- 必须先用
StandardScaler或MinMaxScaler统一量纲，再送进PCA - 注意：
StandardScaler是默认选择，除非你明确知道所有特征本就同量纲或需要保留稀疏性 - 切记在训练集上拟合 scaler 和 PCA，再用同一 scaler + PCA 实例处理测试集，否则引入数据泄露
n_components 设多少才合理？
设成固定整数（如 n_components=10）只适用于已有明确降维目标的场景；更常见的是按累计方差解释率选，比如保留 95% 的信息。
提示词大师-python版
下载
图片提示词生成器？不止如此。 马甲系统 —— 把脑海中的画面，翻译成AI能理解的专业表达。 用得越多，它越懂你：首次需要多问几句确认方向，用久了几乎一说就懂。 用得越多，它越快：缓存机制让后续对话越来越省。 RAG进化：成功案例持续入库，越跑越聪明。 输入「新手指南」查看完整功能介绍
- 用
pca = PCA(n_components=0.95)，fit()后查pca.n_components_得到实际保留的维度数 - 如果想观察不同
n_components下的方差曲线，先用PCA(n_components=min(X.shape))拟合，再画pca.explained_variance_ratio_.cumsum() - 警惕：设
n_components过大会导致过拟合（尤其样本少、维度高时），过小则丢失关键判别信息
如何验证降维后没丢掉关键区分能力？
PCA 是无监督的，它不看标签。降维后分类性能下降，不一定是 PCA 错了，可能是你丢掉了对任务重要的方向——而这个方向恰好方差小。
立即学习“Python免费学习笔记（深入）”；
- 务必在降维前后分别训练相同模型（如
LogisticRegression），对比验证集准确率/ROC AUC - 可视化前两主成分，用标签着色：
plt.scatter(X_pca[:, 0], X_pca[:, 1], c=y, cmap='coolwarm')，看类别是否仍可分 - 如果散点图里类别严重重叠，说明前两个 PC 不足以承载判别信息，得提高
n_components或换方法（比如用LinearDiscriminantAnalysis）
最容易被忽略的是：PCA 只对线性相关结构有效；如果原始特征间存在强非线性关系（比如环形流形），PCA 会把它们压扁成一团，此时该考虑 KernelPCA 或 UMAP。
