pca必须先标准化，否则量纲差异会导致高数值特征主导主成分方向；standardscaler使各特征均值为0、标准差为1，保障协方差计算中特征“平等”贡献。
PCA 不能跳过标准化直接用，否则量纲大的特征会主导主成分方向——这是最常踩的坑。
为什么必须先用 StandardScaler？
原始数据中，比如“年收入（万元）”和“年龄（岁）”数值范围差两个数量级，协方差矩阵会被收入项严重拉偏。StandardScaler 把每个特征变成均值为 0、标准差为 1 的分布，让它们在计算协方差时真正“平等”。
常见错误现象：pca.components_ 显示第一主成分几乎只由某个高量纲变量构成，explained_variance_ratio_ 分布极不均匀，甚至前 5 个成分累计不到 60%。
- 标准化必须在
fit_transform时对训练集做，测试集用transform复用同一 scaler - 别用
MinMaxScaler替代——PCA 依赖的是方差结构，不是缩放到 [0,1] - 如果数据含大量稀疏特征（如 one-hot 编码），标准化后可能破坏稀疏性，需谨慎评估
PCA(n_components=...) 怎么选值？
硬设 n_components=2 或 3 只适合可视化；真实建模要按信息保留率来定。
推荐做法是先拟合全维度 PCA，再看累计解释方差曲线：
from sklearn.decomposition import PCA pca_full = PCA().fit(X_scaled) plt.plot(np.cumsum(pca_full.explained_variance_ratio_)) plt.axhline(y=0.85, linestyle='--', color='r') # 标出 85% 线
- 横轴数值即建议的
n_components值，例如曲线在第 7 个点首次越过 0.85，就设n_components=7 -
n_components=0.85（传浮点数）也能让 sklearn 自动截断，但不易调试中间过程 - 若原始特征数 200，85% 往往已足够，避免过拟合噪声
降维后怎么还原回原始空间？
调用 pca.inverse_transform() 可以近似还原，但它只还原到主成分张成的子空间，无法恢复被丢弃的方向信息。
这在图像重建、异常检测中很关键：
- 还原前必须确保输入是 PCA 输出的低维表示（shape 匹配
pca.n_components_） - 还原结果仍需反向标准化：用同一个
scaler.inverse_transform()才能得到原始量纲 - 还原误差可用
np.mean((X_original - X_recon) ** 2)评估，误差大说明保留成分太少
用 np.linalg.eig 手动实现 PCA 有什么实际价值？
绝大多数场景下没必要——sklearn.PCA 经过高度优化，支持 svd_solver 参数适配不同规模数据，且自动处理中心化。
手动实现仅在两类情况有用：
- 教学调试：想逐行验证协方差矩阵是否对称、特征向量是否正交、投影是否满足
X_pca = X_centered @ V[:, :k] - 嵌入式或极简环境：无法安装 scikit-learn，只能靠 numpy + scipy
- 注意：手算时
np.cov(X_scaled.T)必须转置，而sklearn内部默认按样本行处理，别混淆维度顺序
实际项目里，最容易被忽略的是：标准化和 PCA 必须作为 pipeline 固定步骤封装起来。单独保存 pca 对象却忘了保存配套的 scaler，上线后 predict 就会因未标准化直接崩掉。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
