Sklearn PCAはpca.components_ローディングですか?私はそれが確かだと確信していますが、私は研究論文に従うことを試みており、私はその負荷から異なる結果を得ています。私はSklearnのドキュメントの中でそれを見つけることができません。Sklearn PCAはpca.components_ローディングですか?
4
A
答えて
6
pca.components_
は、データを投影する空間の直交基底です。形状は(n_components, n_features)
です。 100サンプルと50次元(フィーチャとも呼ばれる)のデータセットの最初の3つのコンポーネント(3Dスキャッタプロットを行うなど)のみを保持する場合は、pca.components_
の形状は(3, 50)
になります。
"ローディング"とは、各サンプルがコンポーネントにまたがるベクトル空間に投影された結果だと思います。それらはpca.fit(X_train)
を呼び出した後にpca.transform(X_train)
に電話することによって得ることができます。結果は、形状が(n_samples, n_components)
、前の例では(100, 3)
になります。
関連する問題
- 1. Python | SKlearn | PCA
- 2. movielensデータセットでsklearn PCAを適用
- 3. SklearnのPCAメモリエラー:代替減縮?
- 4. sklearnとnumpyのPCAが異なる
- 5. PCA sklearn - どの次元をとるのですか
- 6. sklearnから因子負荷を抽出できないPCA
- 7. sklearnのPCAによる次元を小さくする
- 8. 分類:PCAおよびロジスティック回帰使っsklearn
- 9. PCA pca = new PCA
- 10. sklearnを使用して大スパース行列でPCAを実行する
- 11. マニュアルPCAの再構成が、pythonのsklearnの再構成と一致しないのはなぜですか?
- 12. python PCAメソッド
- 13. Rの `autoplot` w /` matplotlib`と `sklearn`のようにPCAの` loadingings`と `loading.label`をプロットする方法はありますか?
- 14. sklearnは - PCAのコンポーネントを取得し、私はパイプラインでGridSearchCVを使用しています
- 15. sklearn GridSearchCV with Pipeline
- 16. SklearnのPCA - ValueError:配列にinfまたはNaNを含めることはできません
- 17. PCAより前のスケール
- 18. sklearnを使用してPythonを使用してデータフレーム上でPCAを実行する
- 19. PCAのsklearnとValueError:float型に文字列を変換できませんでした:「[1、3]」
- 20. のPython 3.5でエラーが発生したsklearnでPCAをプロットし、次のコードを使用して
- 21. PCA説明分散分析
- 22. PCAより前に使用するスケーリング方法はどれですか?
- 23. PCAを実行した後に行単位で正規化することはできますか?
- 24. Python sklearn PCA.explained_variance_ratio_が1に合わない
- 25. sklearnのカスタムクラスでパイプラインを使用する
- 26. セグメンテーションフォールトはsklearn
- 27. pcaの行列結果を使ってモデルを訓練する方法は?
- 28. PCA、TruncatedSVD、ICAの違いは何ですか?
- 29. リニアオートエンコーダーはPCAとどのように等価ですか?
- 30. PCAとKNNアルゴリズム
Transformはドキュメンテーションに従って次元削減を適用するので、私のベクトルはcomponentsとは異なる形をしています。私は紙とその1つを具体的に複製しようとしていますhttp://ftp.utdallas.edu/~herve/Abdi- rotations-pretty.pdfバライマックスローテーションを実行するにはローディングが必要です。そのため、各コンポーネントに対応する変数を持つテーブルを作成することができます。 –
次元を小さくしたくない場合は、 'n_components = n_features'をPCAコンストラクタに渡すことができます(これは私が思うのはデフォルトです)。そしてtransformへの呼び出しの結果は'(n_samples、n_features) '同様に( 'n_samples> n_features 'と仮定します)。 「読み込み」の単位を変更するかどうかを決定するために、 'whiten = True'または' whiten = False'(PCAコンストラクタ)を渡すこともできます。 – ogrisel
変換の仕組みの詳細が必要な場合は、クラスのソースコードをお読みください。複雑ではありません。 https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/decomposition/ pca.py – ogrisel