对于RandomizedPCA
中的sci-kit learn
,我可以看到explained_variance_ratio_
属性中每个组件解释的差异。我可以从TruncatedSVD
获得相同的东西吗?我想知道让TruncatedSVD
返回更多组件是否值得。
注意:我甚至不知道'解释方差'的概念是否适用于TruncatedSVD
技术。
答案 0 :(得分:3)
我需要检查,但即使explained_variance_ratio_
的{{1}}可能会被破坏。当你截断SVD时,我认为没有一种有原则的方法来计算它。
修改:我刚刚通过从数据计算真实解释的方差率来检查this notebook,确实RandomizedPCA
正在说谎。
最后,如果你想计算真正解释的方差,你可以从数据中做到:
RandomizedPCA
第二次修改:我在此处报告了此问题:https://github.com/scikit-learn/scikit-learn/issues/2663