Гуру,
При выборе количества главных компонентов (k) мы выбираем k как наименьшее значение, так что, например, сохраняется 99% дисперсии.
Тем не менее, в изучении Python Scikit я не уверен на 100%, что pca.explained_variance_ratio_ = 0.99 равен "99% отклонения сохраняется"? Может ли кто-нибудь просветить? Благодаря.
Да, ты почти прав. Параметр pca.explained_variance_ratio_ возвращает вектор дисперсии, объясняемый каждым измерением. Таким образом, pca.explained_variance_ratio_[i] дает дисперсию, объясняемую исключительно я + 1-м измерением.
Возможно, вы захотите сделать pca.explained_variance_ratio_.cumsum(). Это вернет вектор x, так что x[i] возвращает кумулятивную дисперсию, объясненную с помощью первых измерений я + 1.
import numpy as np
from sklearn.decomposition import PCA
np.random.seed(0)
my_matrix = np.random.randn(20, 5)
my_model = PCA(n_components=5)
my_model.fit_transform(my_matrix)
print my_model.explained_variance_
print my_model.explained_variance_ratio_
print my_model.explained_variance_ratio_.cumsum()
[ 1.50756565 1.29374452 0.97042041 0.61712667 0.31529082]
[ 0.32047581 0.27502207 0.20629036 0.13118776 0.067024 ]
[ 0.32047581 0.59549787 0.80178824 0.932976 1. ]
Таким образом, в моих данных случайных игрушек, если бы я выбрал k=4, я бы сохранил 93,3% от дисперсии.
Хотя этот вопрос старше 2 лет, я хочу предоставить обновленную информацию по этому вопросу. Я хотел сделать то же самое, и похоже, что sklearn теперь предоставляет эту функцию из коробки.
Как указано в документах
если 0 & lt; n_components & lt; 1 и svd_solver == ‘full, выберите количество компонентов таким образом, чтобы количество отклонений, которое необходимо объяснить, превышало процент, указанный в n_components
Таким образом, требуемый код теперь
my_model = PCA(n_components=0.99, svd_solver='full')
my_model.fit_transform(my_matrix)