训练表格有多个数值特征时，可以先用 PCA 投影到二维，观察样本位置及可能的离群点。PCA 寻找方差较大的方向，不使用类别标签来保证分类；散点图看着分开，不等于分类模型已经有效。
先对尺度不同的特征做处理
示例使用 scikit-learn 内置 Iris 数据集的四个数值特征，类别仅用于散点着色，不参加 PCA 拟合。需要 Python、scikit-learn 和 matplotlib。它是公开教学数据，不是客户案例，也不代表你的训练集分布。
python -m pip install scikit-learn matplotlib投影到两维并输出解释方差
from sklearn.datasets import load_iris
from sklearn.preprocessing import StandardScaler
from sklearn.decomposition import PCA
import matplotlib
matplotlib.use("Agg")
import matplotlib.pyplot as plt
data = load_iris()
X = data.data
scaled = StandardScaler().fit_transform(X)
pca = PCA(n_components=2, svd_solver="full")
points = pca.fit_transform(scaled)
print("投影尺寸", points.shape)
print("各主成分解释比例", pca.explained_variance_ratio_)
print("二维合计比例", pca.explained_variance_ratio_.sum())
fig, ax = plt.subplots()
for class_id, name in enumerate(data.target_names):
mask = data.target == class_id
ax.scatter(points[mask, 0], points[mask, 1], label=name, s=18)
ax.set_xlabel("PC1")
ax.set_ylabel("PC2")
ax.legend()
fig.tight_layout()
fig.savefig("pca_iris.png", dpi=160)
plt.close(fig)
assert points.shape == (len(X), 2)保存为 plot_pca.py，运行 python plot_pca.py。StandardScaler 使各特征尺度接近，PCA 本身不会自动替你完成这种标准化；是否需要标准化应按特征单位与任务决定。
图与数字一起核对
验证时检查投影行数仍为原样本数、列数为 2，再看两个 explained_variance_ratio 的合计。合计小于 1 说明二维表示丢掉部分方差信息，不能把图中距离当成原始所有特征的距离。
主成分符号可能在不同计算环境改变，使图沿坐标轴镜像，但不必然改变所代表的子空间。不要因为点位置左右翻转就认定数据不同；比较配置、方差比例及可回查样本。
从探索图进入训练时
下一步用样本 ID 回查图中的离群点，确认是录入错误还是有效少数样本，再决定清洗。不能只因某点离群就删除，也不能看图后把测试集困难样本移到训练集。
本例对完整教学数据做可视化探索，不计算泛化成绩。若 PCA 成为正式模型预处理，StandardScaler 与 PCA 都只在训练集拟合，验证和线上数据使用同一变换；重新拟合会改变坐标。
PCA 只用于数值特征的线性投影，缺失值、类别字段和极端异常值要先按规则处理。投影会丢信息，二维分组不等同于聚类结果，更不是准确率保证。
资料与适用版本
以下官方资料核对于 2026 年 10 月 1 日；安装和界面以实际使用版本为准。
Ai菜鸟网。发布者：AI小管家，转载请注明出处：https://www.alyyhw.com/30713.html
