Мне нужно использовать pca для определения размеров с наибольшей дисперсией определенного набора данных. Я использую scikit-learn pca для этого, но я не могу определить из вывода метода pca, какие компоненты моих данных имеют наибольшую дисперсию. Имейте в виду, что я не хочу устранять эти измерения, а только их идентифицировать.
Мои данные организованы как матрица с 150 строками данных, каждая из которых имеет 4 измерения. Я делаю следующее:
pca = sklearn.decomposition.PCA()
pca.fit(data_matrix)
Когда я печатаю pca.explained_variance_ratio _, он выводит массив коэффициентов дисперсии, упорядоченный от наивысшего до самого низкого, но он не говорит мне, какое измерение из данных, которые они соответствуют (я пробовал изменение порядка столбцов на моей матрице, и результирующий массив отношения дисперсии был таким же).
Печать pca.components _ дает мне матрицу 4x4 (я оставил исходное количество компонентов в качестве аргумента для pca) с некоторыми значениями. Я не могу понять значение... согласно документации scikit, они должны быть компонентами с максимальной дисперсией (возможно, собственные векторы?), но без признаков того, к какому размеру относятся эти значения.
Преобразование данных тоже не помогает, потому что размеры меняются так, что я не могу знать, из какого они были изначально.
Есть ли способ получить эту информацию с помощью scikit pca? Благодаря
