Python pca（）和n_分量，线性代数

假设我想在使用sklearn在Python3中进行PCA时找到最佳组件数

我会通过迭代一些

n_组件

来实现这一点，并在验证模型时计算每个值的总绝对预测误差

我的问题是，将

n_components

参数传递到

PCA

并从那里开始，与不传递它并仅使用它得到的隐式最大值中的第一（i）个分量相比，有什么区别

我的线性代数有点不稳定，但如果我回忆正确，在这两种情况下，单个向量应该是相同的，按升序排列，并提供相同数量的解释方差

---

很抱歉，我没有提供任何代码，也没有亲自编写这两个场景来测试它们，但我在长途火车上，我的笔记本电脑电池在测试过程中用完了。现在我被好奇心所困扰。

你对PCA的记忆是正确的。包括的每个部件的奇异值相同

考虑下面的思维实验。 您有少量功能。拟合完整的PCA并迭代以找到为估计器/分类器创建最佳变换的

n_分量

的值是微不足道的。 现在，您的数据中有1000个功能。10,000? 100,000? 1,000,000? 看到我要去哪里了吗？对这些数据进行完整的主成分分析既繁琐又昂贵。这是在迭代找到最佳转换之前

一种常见做法是设置主成分分析来解释90%的方差（

n_分量-.9

），这有助于避免这种情况，同时仍然提供有价值的输出

另一个选项是使用并输入要测试的

n_组件

的值列表。请注意，此方法还要求您使用构造一个对象，该对象将在网格中给定点的训练数据上同时适合您的PCA和估计器/分类器

作为旁白，我将指出，PCA并不总是降维的最佳选择，因为在某些情况下，低方差主成分具有较高的预测价值。现有的一些交叉验证问题很好地涵盖了这一点。及