n_components=0.95表示PCA自动选取最少主成分数，使累计解释方差≥95%，实际值略高于0.95；必须先标准化，否则量纲差异会扭曲主成分方向。
怎样用 sklearn.decomposition.PCA 设置方差保留比例
直接传入小数（如 0.95）给 n_components 参数，PCA 会自动选择最少的主成分数，使得累计解释方差 ≥ 该比例。这不是近似值，而是精确满足下界约束的最小维数。
常见错误是误以为要先调用 fit 再手动计算累计方差去截断——其实 fit 过程内部已完成排序和累加，n_components=0.95 就够了。
-
n_components必须是 float 类型（如0.9），不能是字符串或整数 - 输入数据必须是二维数组，且每行一个样本、每列一个原始特征
- 如果原始特征量很少（比如只有 3 维），而设
n_components=0.99，也可能只保留 2 或 3 个成分——它不会“强行”凑出更高维
为什么 explained_variance_ratio_ 累加后刚好达标但不超太多
PCA 对协方差矩阵做特征分解后，按特征值从大到小排序，explained_variance_ratio_ 就是每个特征值占总和的比例。设定 n_components=0.95 时，sklearn 找到最小的 k，使得 sum(explained_variance_ratio_[:k]) >= 0.95。
这个 k 是离散的，所以实际累计值往往略高于设定值（比如 0.952 而非恰好 0.95）。你无法通过该参数指定“刚好等于”，只能保证“至少达到”。
立即学习“Python免费学习笔记（深入）”；
- 可通过
pca.n_components_查看最终选了多少维（int 值） - 用
pca.explained_variance_ratio_.cumsum()可检查各维累计值，验证是否符合预期 - 若想强制取前
k维并查看此时的累计方差，应显式设n_components=k，再查cumsum()
标准化是否必须？不做的后果是什么
必须。PCA 对特征尺度极度敏感。若某列单位是「万元」、另一列是「百分比」，未标准化会导致大数值特征主导主成分方向，完全掩盖真实结构。
sklearn 的 PCA 不内置标准化，需手动用 StandardScaler 预处理。漏掉这步，降维结果基本不可信，尤其当原始特征量纲差异大时。
- 正确顺序：
StandardScaler().fit_transform(X)→PCA(n_components=0.9).fit(X_scaled) - 训练集和测试集必须用同一套 scaler 和 pca 对象 transform，不能分别 fit
- 如果原始数据本身已是同量纲（如全是 [0,1] 归一化图像像素），可跳过 scaler，但需确认——不能假设
降维后怎么还原回近似原始数据
用 pca.inverse_transform(X_pca)。它把降维后的坐标乘回前 k 个主成分向量（即 pca.components_[:k].T），再加上原始均值（pca.mean_），得到最佳线性重构。
注意这不是无损还原：信息已丢失，只是在低维子空间上的正交投影重构。误差大小取决于被舍弃的方差比例。
- 重构误差可用
np.mean((X_original - X_reconstructed) ** 2)评估 -
pca.mean_在 fit 时自动计算，只要没设copy=False就安全 - 如果后续要做聚类或分类，通常不需要 inverse_transform；仅在可视化或调试时有用
实际应用中，最容易被忽略的是标准化步骤和训练/测试集处理的一致性。很多人调通了 n_components=0.95 就以为万事大吉，结果模型效果差，最后发现是 scaler 没复用或者压根没标准化。
