6.5. 無監督降維#
如果您的特徵數量很高，在監督式步驟之前使用無監督步驟來減少特徵數量可能會很有用。許多無監督式學習方法都實作了transform方法，可以用來降低維度。下面我們將討論兩個廣泛使用的這種模式的具體範例。
6.5.1. PCA：主成分分析#
decomposition.PCA尋找能很好地捕捉原始特徵變異數的特徵組合。請參閱將訊號分解為成分（矩陣分解問題）。
範例
6.5.2. 隨機投影#
模組：random_projection提供了幾種透過隨機投影進行資料降維的工具。請參閱文件中的相關章節：隨機投影。
範例
6.5.3. 特徵聚集#
cluster.FeatureAgglomeration應用階層式分群來將行為相似的特徵分組在一起。
範例