python3 pca

PCA （Principal Component Analysis）即主成分分析，是一种常用的无监督降维算法，Python3中的Scikit-learn库提供了PCA实现。

from sklearn.decomposition import PCA

#假设有m个n维数据
m, n = data.shape

#设置PCA维度
pca_dim = 2

#创建PCA对象
pca = PCA(n_components=pca_dim)

#对数据进行降维
new_data = pca.fit_transform(data)

使用PCA进行降维需要注意的是，新得到的维度应该是原来数据的一个子集。因为根据奇异值分解的结论，每次取前k个奇异值降维时，其实是选择了前k个特征向量组成的基，只考虑这几个特征的组合能够解释原始数据的大部分信息。如果新得到的维度比原来的维度要大，降维效果不好，有可能反而会增加特征维度的数量.

总之，PCA是一种常用的降维算法，可以用于解决数据高维度问题。在Python3中，Scikit-learn库提供了PCA的实现，使用简单方便。