解释PCA解释的方差比

Question

我使用以下代码：

# Fit PCA

pca = PCA(n_components=3)
pca.fit(data)

# Plot
plt.plot(range(0,3), pca.explained_variance_ratio_)
plt.ylabel('Explained Variance')
plt.xlabel('Principal Components')
plt.title('Explained Variance Ratio')
plt.show()
pca.explained_variance_ratio_

由此我得到以下图形：

和array([0.92540219, 0.06055593, 0.01404188])

我不明白的是为什么它只显示两个主要成分？它应该是92.54％（由第一部分解释的信息），而在图表中它要小于20％吗？请帮我解决这个误会。

Answer 1

它显示了所有三个组成部分。 pca.explained_variance_ratio_的值在图形中的x轴上分别为0、1和2。 第一个值为（0，0.92540219），第二个值为（1，0.06055593），最后一个值为（2，0.01404188）。

Answer 2

实际上，如documentation所述，explained_variance_ratio_返回由每个选定分量解释的方差百分比。因此，它完全符合您的期望，并且您的图形显示了这一点。

这种方式应该更清晰一些：

import matplotlib.pyplot as plt
%matplotlib inline

plt.plot(range(0,3), [0.92540219, 0.06055593, 0.01404188])
plt.ylabel('Explained Variance')
plt.xlabel('Principal Components')
plt.xticks(range(0,3),
           ["1st comp", "2nd comp", "3rd comp"], rotation=60)
plt.title('Explained Variance Ratio')
plt.show()