這兩天用學了主成分分析，用的是PCA。主成分分析就是降維，通過線性組合，把多個原始變量合併成若干個主成分，這樣每個主成分都變成原始變量的線性組合。所以你想看具體哪個特徵對結果的影響大，通過PCA是看不到的。但PCA能把原來的10+數據特徵轉變爲幾個，實現過程如下：
導入數據：
import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
inputfile = 'C:/Users/xiaom/Desktop/data/online_shoppers_intention.csv'
df = pd.read_csv(inputfile)這是後面的幾列
1、數據處理
只要購買客戶數據，對VisitorType、weekend數據做處理，轉換爲0，1；再刪除不要的字段
#只要購買客戶的數據
df = df[df['Revenue'] == True]
df['VisitorType'] = np.where(df['VisitorType'] == 'Returning_Visitor',1,0)
df['workday'] = np.where(df['Weekend']==True,0,1)
df.drop(['Weekend','Revenue','Month'], axis=1, inplace=True)2、相關性檢測
對df表進行相關性檢測，看每個字段的相關度，刪除相關度高的字段，減少計算量。如果自變量屬於中度以上線性相關的（>0.6）多個變量，只保留一個即可。
1、2相關係數0.61；3、4係數爲0.63；5、6爲0.91；7、8爲0.74。相關度一般在0.64以上就認爲是比較相關的關係，所以刪除5
#求各字段的相關性，用corr()函數，並保留2位小數
df.corr().round(2)
#結果：1，2相關係數0.61；3，4係數爲0.63；5，6爲0.91；7，8爲0.74。所以對相關性高的保留1個字段
df.drop(['Administrative_Duration', 'Informational_Duration',
'ProductRelated_Duration',
'BounceRates'],axis=1, inplace=True)
print(df)3、標準化處理
x = df
#對PageValues相差太大，對其進行標準化
from sklearn import preprocessing
x = preprocessing.scale(x)4、PCA
#用PCA（主成分分析法），來查看對購買影響最大的特徵
from sklearn.decomposition import PCA
model = PCA(n_components=7) #把數據降到6維
model.fit(x)
print('降到6維後，這6維的代表性爲：')
print(model.explained_variance_ratio_)
print(model.components_) #返回具有最大方差的成分
print('返回參數的值')
print(model.get_params) #返回各個參數的值
#print(model.get_precision())
#下面是畫圖的
x2 = model.transform(x)
df['pca1'] = x2[:,0]
df['pca2'] = x2[:,1]
#print(df.head( ))
sns.lmplot("pca1","pca2", data=df, fit_reg=False)
plt.show()左邊是降維後的結果，68%左右，數據從原來的10維下降到了6維。從結果看，這個數據可能不太適合用pca來分析，因爲降到6維後的代筆性不足70%。
右邊是降維後的圖。
