规范化处理，缓解特征共线性问题

from sklearn.preprocessing import *

#数据规范化处理
raw=data.iloc[:,4:10]
zraw1=StandardScaler(copy=True,with_mean=True, with_std=True).fit_transform(raw)#z变换,with_std=False对中处理
zraw2=MinMaxScaler(feature_range=(0,100)).fit_transform(raw)#归一化及任意区间的线性变换，逻辑回归
zraw3=RobustScaler(quantile_range=(25.0, 75.0),with_centering=True,with_scaling=True).fit_transform(raw)#稳健变换,右偏数据
zraw4=Binarizer(threshold=0).transform(zraw1)#二值变换，大于threshold值的赋值1，其他为0，图像数据
zraw5=normalize(raw,norm='l1',axis=1)#特征归一化，l1表示L1范数（曼哈顿聚类，L2是欧式距离），axis=1表示行的绝对值和为1；
zraw6=np.log(raw)#另外见PowerTransformer()

主成因分析

#============主成分分析===============
from sklearn.decomposition import PCA
pca=PCA(n_components=2)
pca.fit(zraw1)
pca.explained_variance_ #主成分特征值
pca.explained_variance_ratio_#主成分的解释方差百分比
pca.components_#特征向量

#-----保存主成分------
pca1 = PCA(n_components=2).fit_transform(zraw1)#累计贡献率
raw[["z1","z2"]]=pd.DataFrame(pca1)
raw
#-----主成分回归------
x=pd.concat([data.iloc[:,[2,3]],raw[["z1","z2"]]],axis=1)
y=pd.DataFrame(data.iloc[:,10])
from sklearn.linear_model import SGDClassifier
sgdLog_clf=SGDClassifier(loss='log',random_state=123)
sgdLog_clf.fit(x,y)#拟合训练集数据
sgdLog_clf.score(x,y)#非监督模型是transform

主成分判断标准
主成分分析优劣的判定标准：
第一，尽量将更多变量压缩在第一主成分和第二主成分之内；
第二，第一主成分解释的信息能够超过 50%；
第三，第一主成分和第二主成分解释的信息总和超过 70%；
第四，第一主成分除以第二主成分的比值大于 3；
第五，用更少的主成分代表更多的变量。