Sklearn PCA是pca.components_的装载？

Sklearn PCA是pca.components_的装载？我很确定这是事实，但我试图沿着一份研究论文来看，我从它们的装载中得到了不同的结果。我无法在sklearn文档中找到它。Sklearn PCA是pca.components_的装载？

来源

2016-04-03 ashish trehan

pca.components_是您投射数据的空间的正交基础。它的形状是(n_components, n_features)。如果您想保留具有100个样本和50个维度（也称为特征）的数据集的前3个组件（例如，执行3D散点图），则pca.components_将具有形状(3, 50)。

我认为你所说的“加载”是每个样本投影到组件所跨向量空间的结果。致电pca.fit(X_train)后，可拨打pca.transform(X_train)获得。结果将形成(n_samples, n_components)，即我们前面的示例中的(100, 3)。

来源

2016-04-03 13:58:28 ogrisel

变换根据文档应用降维，所以我的矢量具有不同的形状，然后组件。我只是试图复制一个文件，它的这一个具体http://ftp.utdallas.edu/~herve/Abdi- rotations-pretty.pdf我需要加载来执行Varimax旋转，所以我可以构建出具有相应变量的表格。 –

如果你不想减少维度，你可以将'n_components = n_features'传递给PCA构造函数（这是我认为的默认值），并且调用变换的结果将具有形状'（n_samples，n_features）（假设'n_samples> n_features）'。您也可以选择将'whiten = True'或'whiten = False'（给PCA构造函数）以决定是否要重新调整“加载”以使单元出现变化。 – ogrisel

如果您需要更多关于变换是如何工作的详细信息，请阅读该类的源代码，它不是很复杂： https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/decomposition/ pca.py – ogrisel

Sklearn PCA是pca.components_的装载？

回答

相关问题