Pythonはpca.explained_variance_ratio_遮断

Question

教祖、

主成分（k）の数を選択する際、我々は、例えば、分散の99％が、保持されるように最小値にKを選択し学ぶscikit。

しかし、Python Scikitでは、pca.explained_variance_ratio_ = 0.99が「分散の99％が保持されている」と100％確信していません。誰でも啓発できますか？ありがとう。

• ザ・パイソンScikit PCAマニュアルを学ぶはい、あなたはほぼ正しいですここ

http://scikit-learn.org/stable/modules/generated/sklearn.decomposition.PCA.html#sklearn.decomposition.PCA

Answer 1

です。 pca.explained_variance_ratio_パラメータは、各次元によって説明される分散のベクトルを返します。したがって、pca.explained_variance_ratio_[i]は、i + 1次元だけによって説明される分散を与える。

おそらくpca.explained_variance_ratio_.cumsum()とします。ベクトルxが返され、x[i]は最初のi + 1次元で説明された累積累積を返します。

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.  ] 

私はk=4を選んだのであれば、私のランダムおもちゃのデータでは、私は分散の93.3パーセントを維持するだろう。

Answer 2

この質問は2年以上経過していますが、私はこれに関する更新情報を提供したいと思います。 同じことをやりたかったので、sklearnのように見えて、この機能をすぐに利用できるようになりました。

docs

< 0ならn_components < 1及びsvd_solver ==「満杯」で述べたように、説明される必要がある分散量がパーセンテージよりも大きくなるように構成要素の数を選択しますn_components

で指定されたので、必要なコードは今

my_model = PCA(n_components=0.99, svd_solver='full') 
my_model.fit_transform(my_matrix)