PCA算法的优缺点
优点：降低数据的复杂度，识别最重要的多个特征；
缺点：不一定需要，且可能损失有用的信息。
PCA算法的改进和优化
1、KPCA算法
KPCA是一种改进的PCA非线性降维算法，它利用核函数的思想，把样本数据进行非线性变换，然后在变换空间进行PCA，这样即实现了非线性PCA；
2、局部PCA算法
局部PCA是一种改进的PCA局部降维算法，它在寻找主成分时加入一项具有局部光滑性的正则项，从而使主成分保留更多的局部性信息。
SKlearn算法的实践
1、PCA算法实践
执行结果为：
2、KPCA算法实践
执行结果：
