用 PCA 和 SVD 计算的不同阶的特征值答案

【问题标题】：Different order of eigenvalues computed with PCA and SVD用 PCA 和 SVD 计算的不同阶的特征值
【发布时间】：2019-05-23 04:14:35
【问题描述】：

我真的不知道为什么，当我用 PCA 从我的数据集中计算特征值时，我得到了一个向量，它的值在 SVD 方面的不同顺序方面

这是结果

这是代码

谢谢你的帮助！！！

【问题讨论】：

请提供更多上下文/背景信息，并且请不要发布您的代码的屏幕截图（而是粘贴并格式化实际代码）。另外，这个问题作为一个整体可能更适合Data Science Stack Exchange。

【解决方案1】：

当您使用np.linalg.eig 时，您的 PCA 是不完整的，因为在特征分解之后，您必须重新排序这些项，以便对角矩阵中的特征值按降序排列（这不是特征分解本身的一部分）。此外，eig docs 不保证结果中的任何顺序，而SVD docs 明确声明您的值按降序返回。

【讨论】：