sklearn PCA - 计算为选择 k 保留的方差百分比答案

【问题标题】：sklearn PCA - Calculate % of variance retained for choosing ksklearn PCA - 计算为选择 k 保留的方差百分比
【发布时间】：2016-02-04 04:38:05
【问题描述】：

我正在使用 scikit learn PCA 并尝试选择满足 1-(sum i 1 to k Sii)/(sum j 1 to n Sjj)

scikit learn 是否具有返回给定方差保留百分比阈值的最小分量的函数？
有没有更有效的方法来提出 n_component？

谢谢。

【问题讨论】：

标签： machine-learning scikit-learn pca

【解决方案1】：

只需将n_components 设置为float，它将用作解释方差的下限。

来自scikit-learn documentation

n_components : int、None 或 string

要保留的组件数。如果未设置 n_components 则保留所有组件： n_components == min(n_samples, n_features) if n_components == 'mle', Minka的MLE用于猜测维度

【讨论】：

我们在代码的什么地方指定我们需要保留 x% 的方差？
答案中字面意思是这样。将 n_components 作为浮点数传递给 PCA 构造函数。

【解决方案2】：

关于您的问题 #1 - 获得给定方差保留百分比阈值的最少组件数：

from sklearn.decomposition import PCA as sklearnPCA
sklearn_pca = sklearnPCA(n_components = 0.99, svd_solver ='full')

关于您的问题 #2 - 以下论点 - Minka 的最大似然估计 - 将猜测主成分的数量：

...
sklearn_pca = sklearnPCA(n_components = "mle", svd_solver ="full")

【讨论】：