PCA（主成分分析）作为迄今为止最广泛应用的降维技术，其首要步骤是确定与数据最为贴合的超平面，并将数据映射到此超平面上

PCA主成分分析 到目前为止，主成分分析（PCA）是最流行的降维算法。 首先，它确定最靠近数据的超平面，然后将数据投影到其上。 PCA用于分解一组解释最大方差的连续正交分量中的多元数据集。 在scikit-learn中，PCA被实现为一个转换对象，该对象以其fit方法学习n个组件，并可用于新数据以将其投影到这些组件上。 如果由于输入维数太大而使学习算法太慢，那么使用PCA加快速度可能是一个合理的选择。 这可能是PCA的最常见应用。 #PCA的另一个常见应用是数据可视化。 在代码的这一部分中使用的虹膜数据集是4维的。 这里使用PCA将4维数据缩减为2维或3维，以便可以绘制数据并希望更好地理解数据。 '''