Python 3.x 主成分分析解释方差比的解释

我使用以下代码：

# Fit PCA

pca = PCA(n_components=3)
pca.fit(data)

# Plot
plt.plot(range(0,3), pca.explained_variance_ratio_)
plt.ylabel('Explained Variance')
plt.xlabel('Principal Components')
plt.title('Explained Variance Ratio')
plt.show()
pca.explained_variance_ratio_

由此，我得到以下图表：

和阵列[0.92540219,0.06055593,0.01404188]

---

我不明白的是为什么它只显示了两个主成分？它是否应该是第一分量解释的信息的92.54%，而在图表中它应该小于20%？请帮我解决这个误解。

它显示了所有三个组件。pca.explained_variance_ratio_uu的值在图形中的x轴0、1和2处绘制。 第一个值为0,0.92540219，第二个值为1,0.06055593，最后一个值为2,0.01404188。

事实上，如前所述，解释的方差比返回每个选定组件解释的方差百分比。所以，它完全符合您的预期，您的图表显示了这一点

这样应该更清楚一点：

import matplotlib.pyplot as plt
%matplotlib inline

plt.plot(range(0,3), [0.92540219, 0.06055593, 0.01404188])
plt.ylabel('Explained Variance')
plt.xlabel('Principal Components')
plt.xticks(range(0,3),
           ["1st comp", "2nd comp", "3rd comp"], rotation=60)
plt.title('Explained Variance Ratio')
plt.show()