Warning: file_get_contents(/data/phpspider/zhask/data//catemap/1/typo3/2.json): failed to open stream: No such file or directory in /data/phpspider/zhask/libs/function.php on line 167

Warning: Invalid argument supplied for foreach() in /data/phpspider/zhask/libs/tag.function.php on line 1116

Notice: Undefined index: in /data/phpspider/zhask/libs/function.php on line 180

Warning: array_chunk() expects parameter 1 to be array, null given in /data/phpspider/zhask/libs/function.php on line 181
Scikit learn 了解主成分分析（sklearn）的“成分”？_Scikit Learn_Pca - Fatal编程技术网
Fatal编程技术网
  • scikit-learn/
  • Scikit learn 了解主成分分析（sklearn）的“成分”？

Scikit learn 了解主成分分析（sklearn）的“成分”？

scikit-learn

Scikit learn 了解主成分分析（sklearn）的“成分”？,scikit-learn,pca,Scikit Learn,Pca,有人能给我解释一下PCA（sklearn）的变量成分吗。sklearn（）的官方URL确实让我感到困惑 所以我有一个原始数据集，它有1000个特性，叫做df 我做到了： my_pca = PCA(n_components = 2) my_pca.fit_transform (df) my_pca.components_.shape # (2, 1000) 我能否将组件的每个元素解释为原始特征对每个PCA值的影响 感谢当您计算PCA时，您基本上计算（相关或协方差）矩阵的特征值和特征向量 所以实际

有人能给我解释一下PCA（sklearn）的变量
成分吗。sklearn（）的官方URL确实让我感到困惑

所以我有一个原始数据集，它有1000个特性，叫做
df

我做到了：


my_pca = PCA(n_components = 2)
my_pca.fit_transform (df)
my_pca.components_.shape # (2, 1000)


我能否将
组件的每个元素解释为原始特征对每个PCA值的影响


感谢
当您计算PCA时，您基本上计算（相关或协方差）矩阵的特征值和特征向量

所以实际上你可以计算多达1000个特征向量。当您
设置n_组件=2时

你含蓄地说你只想计算前两个特征向量（与它们相关联的最大特征值）


组件
包含这些特征向量

它们很重要，因为它们编码了投影规则。它们允许您通过应用简单的矩阵乘法，从
df
中样本所在的初始空间转到简化的二维空间


proyected_sample = a_sample * np.transpose( my_pca.components_ )