使用scikit-learn PCA找到具有最高方差的維度

我需要使用pca來標識具有某組數據的最高方差的維度。我正在使用scikit-learn的pca來完成它，但是我無法從pca方法的輸出中識別出具有最高方差的我的數據組件。請記住，我不想消除這些維度，只能識別它們。使用scikit-learn PCA找到具有最高方差的維度

我的數據組織成150行數據的矩陣，每個數據有4個維度。我做如下：

pca = sklearn.decomposition.PCA() 
pca.fit(data_matrix)

當我打印pca.explained_variance_ratio_，輸出下令從最高到最低方差比率的數組，但它並沒有告訴我，他們所對應的尺寸從數據到（我試着改變我的矩陣上的列的順序，結果方差比數組是相同的）。根據scikit的文檔，他們應該是一個4×4的矩陣（我留下了原始數量的組件作爲參數爲pca）具有最大方差（特徵向量可能？）的分量，但沒有這些值參考的維度的符號。

轉換數據也沒有幫助，因爲維度以某種方式改變，我無法真正知道它們最初是哪一個。

有沒有什麼方法可以用scikit的pca獲取這些信息？謝謝

來源

2013-03-12 Alberto A

的''components_''第一行是最大方差的方向，因爲文檔的狀態。我不完全確定什麼是不明確的。 ''explain_variance_ratio_''中的條目與''components_'''的行相對應。您是指「沒有符號表示這些值涉及哪個維度」？ – 2013-03-13 11:01:55

嗯，我的問題是，考慮到我的數據中有4個維度，並且我只想保留具有最高變化的2維的維度，我如何知道我的數據的哪些維度將保留如果我將PCA應用於n_components = 2。例如，假設我的數據的第二維和第四維具有最高的方差，但我不知道這一點。我想申請PCA，並有一些方法從結果中獲取這些信息。再次，我不需要轉換數據！ – 2013-03-13 16:27:24

返回的pca.explained_variance_ratio_是來自主要組件的差異。您可以使用它們來查找可以通過pca更好地轉換數據的維度（組件）數量。您可以使用該閾值（例如，您可以計算有多少偏差大於0.5等）。之後，您可以使用PCA轉換數據，使用等於主成分高於所用閾值的維數（分量）。縮小到這些尺寸的數據與原始數據中的尺寸數據不同。

您可以通過以下鏈接查看代碼：

http://scikit-learn.org/dev/tutorial/statistical_inference/unsupervised_learning.html#principal-component-analysis-pca

來源

2013-03-13 03:10:41 mad

幫助，但不能解決我的問題。當我用PCA轉換數據並選擇例如n_components = 2時，我需要知道我的原始數據的哪些維度將被消除。在這種情況下，將會消除2個維度，但知道哪個維度是我的問題。 – 2013-03-13 16:30:47

+13

PCA不會消除維度並使其他人免受原始數據的影響。它將您的數據轉換爲數據完全不同於原始數據的多個維度。 – mad 2013-03-13 17:15:15

是的，你說得對。我一直在閱讀PCA，並且因爲你所說的話我想說的沒有道理。那麼，我接受你的答案！謝謝。 – 2013-03-13 17:21:20

使用scikit-learn PCA找到具有最高方差的維度

回答

相關問題