用PCA和SVD计算出的特征值的不同顺序

Question

我真的不知道为什么，当我从数据集中用PCA计算特征值时，我会得到一个向量，该向量的值与SVD的顺序不同。

This is the result

This is the code

感谢帮助！

Answer 1

当您使用np.linalg.eig时，您的PCA是不完整的，因为在特征分解之后，您必须重新排列术语，以便对角矩阵中的特征值以降序排列（这不是特征分解本身的一部分）。此外，eig docs不保证结果的任何顺序，而SVD docs明确声明您的值是以降序返回的。