CA为主成分分析库
导入方式：from sklearn.decomposition import PCA
其中默认有三个主要参数：
n_components
此参数可以帮我们指定希望PCA降维后的特征维度数目，可以是int型的数字123，也可以是阈值百分比，类似98%，也可以指定为string类型，MLE
copy
类型：bool,True或者False，缺省时默认为True,
意义：表示是否在运行算法时，将原始数据复制一份。如果为True，则运行PCA算法后，原始数据的值不会有任何改变。因为是在原始数据的副本上进行运算的。
whiten
类型：bool，缺省时默认为False
意义：白化，目的是每个特征具有相同的方差。
svd_solver
指定奇异值分解SVD的方法，有4个可以选择的值：{‘auto’, ‘full’, ‘arpack’, ‘randomized’，}具体详见【http://www.cnblogs.com/pinard/p/6243025.html】
但是在pca = PCA(n_components = ‘mle’）（MLE即极大似然估计）时报错
TypeError: ‘>=’ not supported between instances of ‘str’ and ‘int’
通过查看help（PCA）发现，当n_components == ‘mle’时，需要和参数svd_solver一起使用，且svd_solver需要选择full参数
即pca = PCA(n_components = ‘mle’,svd_solver=’full’)才可执行成功
