本篇僅針對sklearn中的pca作記錄
sklearn.decomposition.pca(n_components=none, copy=true, whiten=false)
n_components:
意義：pca演算法中所要保留的主成分個數n，也即保留下來的特徵個數n
型別：int 或者 string，預設時預設為none，所有成分被保留。
賦值為int，比如n_components=1，將把原始資料降到乙個維度。
賦值為string，比如n_components='mle'，將自動選取特徵個數n，使得滿足所要求的方差百分比。
copy:
型別：bool，true或者false，預設時預設為true。
意義：表示是否在執行演算法時，將原始訓練資料複製乙份。若為true，則執行pca演算法後，原始訓練資料的值不會有任何改變，因為是在原始資料的副本上進行運算；若為false，則執行pca演算法後，原始訓練資料的值會改，因為是在原始資料上進行降維計算。
whiten:
型別：bool，預設時預設為false
意義：白化。
components_：返回具有最大方差的成分。
explained_variance_ratio_：返回 所保留的n個成分各自的方差百分比。
n_components_：返回所保留的成分個數n。
mean_：
noise_variance_：
fit(x,y=none)
fit()可以說是scikit-learn中通用的方法，每個需要訓練的演算法都會有fit()方法，它其實就是演算法中的「訓練」這一步驟。因為pca是無監督學習演算法，此處y自然等於none。
fit(x)，表示用資料x來訓練pca模型。
函式返回值：呼叫fit方法的物件本身。比如pca.fit(x)，表示用x對pca這個物件進行訓練。
fit_transform(x)
用x來訓練pca模型，同時返回降維後的資料。
newx=pca.fit_transform(x)，newx就是降維後的資料。
inverse_transform()
將降維後的資料轉換成原始資料，x=pca.inverse_transform(newx)
transform(x)
將資料x轉換成降維後的資料。當模型訓練好後，對於新輸入的資料，都可以用transform方法來降維。
此外，還有get_covariance()、get_precision()、get_params(deep=true)、score(x, y=none)等方法，以後用到再補充吧。
rsync引數詳解
選項說明 v,verbose 詳細模式輸出 q,quiet 精簡輸出模式 c,checksum 開啟校驗開關，強制對檔案傳輸進行校驗 a,archive 歸檔模式，表示以遞迴方式傳輸檔案，並保持所有檔案屬性，等於 rlptgod r,recursive 對子目錄以遞迴模式處理 r,relative ...
gcc 引數詳解
gcc引數詳解 介紹 gcc and g 分別是gnu的c c 編譯器 gcc g 在執行編譯工作的時候，總共需要4步 1.預處理,生成.i的檔案 預處理器 cpp 2.將預處理後的檔案不轉換成組合語言,生成檔案.s 編譯器 egcs 3.有彙編變為目標 機器 生成.o的檔案 彙編器 as 4.連線...
showModalDialog引數詳解
showmodaldialog ie 4 支援 showmodelessdialog ie 5 支援 window.showmodaldialog 方法用來建立乙個顯示html內容的模態對話方塊。window.showmodelessdialog 方法用來建立乙個顯示html內容的非模態對話方塊。使...