必须标准化，否则PCA会因量纲差异严重失真；StandardScaler使各特征均值为0、标准差为1，确保协方差矩阵真实反映变量间关系，避免高数值特征虚假主导主成分方向。
必须先标准化，否则 PCA 会因量纲差异严重失真——这不是可选项，是硬性前提。
为什么 StandardScaler 不能跳过
PCA 对各特征的数值尺度极度敏感。比如一个特征是“年龄（0–100）”，另一个是“年收入（单位：元）”，后者数值动辄上万，协方差矩阵会被它主导，导致主成分方向完全偏离真实结构。标准化把每个特征拉到均值为 0、标准差为 1 的同一量级，让协方差真正反映变量间关系。
- 不标准化时，
pca.explained_variance_ratio_可能集中在前 1–2 个主成分，但这是假象，实际信息未被合理捕获 -
StandardScaler必须用fit_transform()在训练集上拟合，后续新数据只能用transform()，不能重新fit - 如果数据含明显异常值，
StandardScaler比RobustScaler更脆弱；此时可考虑先截断或用中位数/四分位距缩放
n_components 怎么设才不拍脑袋
设成整数（如 2）适合可视化；设成浮点数（如 0.95）更工程化——它会让 PCA 自动选最少的主成分数量，使累计解释方差 ≥ 95%。
macOS UI 自动化技能包 —— 用 Python 控制你的 Mac
下载
让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限
- 设
n_components=0.95时，必须显式指定svd_solver='full'，否则会报错Invalid parameter svd_solver - 用
pca.n_components_查看最终选了几维，常比预想的少（例如 50 维原始特征 → 实际只需 8 维就达 95%） - 若需调试，先跑
PCA().fit(X_scaled)，再画np.cumsum(pca.explained_variance_ratio_)曲线，拐点处就是合理截断位置
降维后怎么验证没丢关键信息
不能只看 explained_variance_ratio_ 数字，要结合任务目标交叉检查。
- 对监督学习任务，务必在降维前后分别训练同一模型（如
LinearRegression），对比mean_squared_error或accuracy——有时保留 90% 方差，模型效果却掉 5%，说明那 10% 正好含判别性结构 - 用
pca.inverse_transform(X_pca)重构原始数据，计算np.mean((X_scaled - X_reconstructed) ** 2)得重构误差；误差突然增大说明某维主成分被过度压缩 - 如果下游要做聚类，画出前两维的散点图，观察类别是否仍可分；不可分则说明降维破坏了类间分离性
最容易被忽略的是：标准化和 PCA 必须作为 pipeline 的固定步骤固化下来，不能只在探索阶段做一次。一旦模型上线，所有新数据都得走同一套 StandardScaler + PCA 流程，且两个对象必须复用训练时的 scale_ 和 components_，否则维度或数值对不上。
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！
