sklearn PCA - 计算为选择k而保留的方差百分比

Question

我正在使用scikit学习PCA并尝试选择满足1-（sum i 1到k Sii）/（和j 1到n Sjj）的最小组件数＆lt; = 0.01其中S是svd对角矩阵，为了保留99％的差异。

1. scikit learn是否具有返回给定方差保留％阈值的最小分量的函数？
2. 有没有更有效的方法来提出n_component？

感谢。

Answer 1

只需将n_components设置为float，它就会被用作解释差异的下限。

来自scikit-learn documentation

  

n_components ：int，None或string

     

要保留的组件数量。如果未设置n_components，则保留所有组件：   n_components == min（n_samples，n_features）   如果n_components =='mle'，则Minka的MLE用于猜测维度如果0＆lt; n_components＆lt; 1，选择组件数量，使得需要解释的差异量大于n_components指定的百分比

Answer 2

关于您的问题＃1-在给定的方差保留百分比阈值下获得最少数量的分量：

from sklearn.decomposition import PCA as sklearnPCA
sklearn_pca = sklearnPCA(n_components = 0.99, svd_solver ='full')

关于问题2-以下论点-Minka的最大似然估计-将猜测主成分的数量：

...
sklearn_pca = sklearnPCA(n_components = "mle", svd_solver ="full")