sklearn中pca算法输出特征向量

PCA算法在sklearn中可以使用`sklearn.decomposition.PCA`类来实现。其中，`fit_transform`方法可以用于提取特征向量，示例代码如下：

from sklearn.decomposition import PCA
import numpy as np

# 假设有数据矩阵X和降维后的维数k
X = np.random.randn(100, 10)
k = 3

# 实例化PCA对象，并进行降维操作
pca = PCA(n_components=k)
X_reduced = pca.fit_transform(X)

# 查看特征向量
print(pca.components_)

但需要注意的是，PCA算法只适用于数值型数据，如果数据包含文本等非数值型数据，需要先进行特征提取与转换。