Question

师，

当选择主成分数（k）时，我们选择k作为最小值，以便保留例如99％的方差。

但是，在Python Scikit学习中，我不是100％肯定pca.explained_variance_ratio_ = 0.99等于“99％的方差被保留”？谁能开导？感谢。

Python Scikit学习PCA手册在这里

http://scikit-learn.org/stable/modules/generated/sklearn.decomposition.PCA.html#sklearn.decomposition.PCA

Answer 1

是的，你几乎是对的。 pca.explained_variance_ratio_参数返回由每个维度解释的方差的向量。因此pca.explained_variance_ratio_[i]给出的方差仅由i + 1st维度解释。

您可能想要pca.explained_variance_ratio_.cumsum()。这将返回一个向量x，以便x[i]返回由第一个i + 1维度解释的累积方差。

import numpy as np
from sklearn.decomposition import PCA

np.random.seed(0)
my_matrix = np.random.randn(20, 5)

my_model = PCA(n_components=5)
my_model.fit_transform(my_matrix)

print my_model.explained_variance_
print my_model.explained_variance_ratio_
print my_model.explained_variance_ratio_.cumsum()

[ 1.50756565  1.29374452  0.97042041  0.61712667  0.31529082]
[ 0.32047581  0.27502207  0.20629036  0.13118776  0.067024  ]
[ 0.32047581  0.59549787  0.80178824  0.932976    1.        ]

所以在我的随机玩具数据中，如果我选择了k=4，我将保留93.3％的差异。

Answer 2

虽然这个问题超过2年，但我想提供更新。我想做同样的事情，看起来sklearn现在提供了开箱即用的功能。

如docs

中所述

如果0＆lt; n_components＆lt; 1和svd_solver =='full'，选择组件数量，使得需要解释的方差量大于n_components指定的百分比

所以现在需要的代码是

my_model = PCA(n_components=0.99, svd_solver='full')
my_model.fit_transform(my_matrix)

Answer 3

这对我有用，甚至在“ PCA”部分中键入的内容更少。为了方便起见，添加了其余的内容。只需在早期阶段定义“数据”即可。

import sklearn as sl
from sklearn.preprocessing import StandardScaler as ss
from sklearn.decomposition import PCA 

st = ss().fit_transform(data)
pca = PCA(0.80)
pc = pca.fit_transform(st) # << to retain the components in an object
pc

#pca.explained_variance_ratio_
print ( "Components = ", pca.n_components_ , ";\nTotal explained variance = ",
      round(pca.explained_variance_ratio_.sum(),5)  )

Python scikit学习pca.explained_variance_ratio_ cutoff

3 个答案: