sklearn中的因子分析：解释方差

Question

scikit-learn中的PCA有一个名为“explain_variance”的属性，它捕获每个组件解释的差异。在scikit-learn中，我没有看到像FactorAnalysis这样的类似事情。如何计算因子分析的每个组件所解释的方差？

Answer 1

以下是如何做到这一点：

首先进行因子分析后得到组件矩阵和噪声方差，让fa成为您的拟合模型

m = fa.components_
n = fa.noise_variance_

对此矩阵进行平方

m1 = m**2

计算m1

的每列的总和

m2 = np.sum(m1,axis=1)

现在第一个因素解释的％差异将是

pvar1 = (100*m2[0])/np.sum(m2)

同样，第二个因素

pvar2 = (100*m2[1])/np.sum(m2)

但是，噪音成分也会解释差异，如果你在方差中考虑到这一点，则需要计算

pvar1_with_noise = (100*m2[0])/(np.sum(m2)+np.sum(n))
pvar2_with_noise = (100*m2[1])/(np.sum(m2)+np.sum(n))

等等。希望这会有所帮助。