sci-kit学习TruncatedSVD解释的_variance_ratio_不是降序排列吗？

Question

这个问题基本上是this question的重复-抱歉，因为我是新来的，还想不办法“撞”另一个问题，所以我要问一个新问题。但是我也有同样的问题，找不到令人满意的解释。

为什么explained_variance_ratio_中的TruncatedSVD不像PCA中那样降序排列？根据我的经验，列表的第一个元素似乎总是最低的，然后在第二个元素中，该值跳升，然后从那里降序排列。为什么explained_variance_ratio_[0] <explained_variance_ratio_[1]（> explained_variance_ratio_[2]> explained_variance_ratio_[3] ...）？这是否意味着第二个“成分”实际上解释了最多的差异（不是第一个）？

重现行为的代码：

from sklearn.decomposition import TruncatedSVD

n_components = 50
X_test = np.random.rand(50,100)

model = TruncatedSVD(n_components=n_components, algorithm = 'randomized')
model.fit_transform(X_test)
model.explained_variance_ratio_

Answer 1

如果您首先缩放数据，那么我认为解释的方差比率将以降序排列：

from sklearn.decomposition import TruncatedSVD
from sklearn.preprocessing import StandardScaler

n_components = 50
X_test = np.random.rand(50,100)

scaler = StandardScaler()
X_test = scaler.fit_transform(X_test)

model = TruncatedSVD(n_components=n_components, algorithm = 'randomized')
model.fit_transform(X_test)
model.explained_variance_ratio_