值如何对应于 PCA 中的列解释_方差_比率_？答案

【问题标题】：how values corresponds to columns in PCA explained_variance_ratio_?值如何对应于 PCA 中的列解释_方差_比率_？
【发布时间】：2019-01-02 01:15:49
【问题描述】：

我有一些数据框 df 并想在其上使用 explain_variance_ratio_。

X_std = StandardScaler().fit_transform(df)
Y_pca = pca.fit_transform(X_std)
pca.explained_variance_ratio_

结果我得到了这样的结果：

array([0.3894487 , 0.25278034, 0.16070989, 0.10005305, 0.07093894,
   0.02606909])

问题是，如果我交换列，pca.explained_variance_ratio_ 的结果仍然相同。那么值如何对应列呢？

【问题讨论】：

【解决方案1】：

PCA 对于特征 / 变量（列）的不变排列。

您从pca.explained_variance_ratio_ 获得的值是每个component 的解释方差的比率。

array([0.3894487 , 0.25278034, 0.16070989, 0.10005305, 0.07093894,
       0.02606909])

因为pca.explained_variance_ratio_ 中有 6 个值，这意味着 n_components 是 6。

这些值对应于主成分/轴，您可以看到 PC1 解释了 38.9 %，PC2 解释了 25.27 %强>方差等

【讨论】：