PCA爲主成分分析庫
導入方式：from sklearn.decomposition import PCA
其中默認有三個主要參數：
n_components
此參數可以幫我們指定希望PCA降維後的特徵維度數目，可以是int型的數字123，也可以是閾值百分比，類似98%，也可以指定爲string類型，MLE
copy
類型：bool,True或者False，缺省時默認爲True,
意義：表示是否在運行算法時，將原始數據複製一份。如果爲True，則運行PCA算法後，原始數據的值不會有任何改變。因爲是在原始數據的副本上進行運算的。
whiten
類型：bool，缺省時默認爲False
意義：白化，目的是每個特徵具有相同的方差。
svd_solver
指定奇異值分解SVD的方法，有4個可以選擇的值：{‘auto’, ‘full’, ‘arpack’, ‘randomized’，}具體詳見【http://www.cnblogs.com/pinard/p/6243025.html】
但是在pca = PCA(n_components = 'mle'）（MLE即極大似然估計）時報錯
TypeError: '>=' not supported between instances of 'str'
and 'int'
通過查看help（PCA）發現，當n_components == 'mle'時，需要和參數svd_solver一起使用，且svd_solver需要選擇full參數
即pca
= PCA(n_components = 'mle',svd_solver='full')纔可執行成功