Ermitteln der Dimension mit der höchsten Varianz mit scikit-learn PCA

Question

Ich muss Pca verwenden, um die Dimensionen mit der höchsten Varianz eines bestimmten Datensatzes zu identifizieren. Ich benutze sckit-learn's pca, um es zu tun, aber ich kann nicht aus der Ausgabe der pca-Methode identifizieren, was die Komponenten meiner Daten mit der höchsten Varianz sind. Bedenken Sie, dass ich diese Dimensionen nicht eliminieren, sondern nur identifizieren möchte.

Meine Daten sind als Matrix mit 150 Datenzeilen organisiert, jede mit 4 Dimensionen. Ich bin wie folgt vorgehen:

pca = sklearn.decomposition.PCA() 
pca.fit(data_matrix) 

Wenn ich drucken pca.explained_variance_ratio_, es gibt eine Reihe von Abweichungsverhältnisse vom höchsten zum niedrigsten geordnet, aber es hat mir nicht gesagt, welche Dimension der Daten, die sie entsprechen (Ich habe versucht, die Reihenfolge der Spalten in meiner Matrix zu ändern, und das resultierende Varianzverhältnis-Array war dasselbe).

Drucke pca.components_ gibt mir eine 4x4-Matrix (I die ursprüngliche Anzahl von Komponenten als Argument pca links) mit einigen Werten kann ich nicht die Bedeutung verstehen ... nach scikit der Dokumentation, sollten sie sein die Komponenten mit der maximalen Varianz (die Eigenvektoren vielleicht?), aber kein Hinweis darauf, auf welche Dimension sich diese Werte beziehen.

Das Umwandeln der Daten hilft auch nicht, weil die Dimensionen in einer Weise geändert werden, ich kann nicht wirklich wissen, welche sie ursprünglich waren.

Gibt es eine Möglichkeit, wie ich diese Informationen mit scikit's pca bekommen kann? Danke

Answer 1

Die pca.explained_variance_ratio_ zurückgegebenen sind die Abweichungen von Hauptkomponenten. Sie können sie verwenden, um zu ermitteln, wie viele Dimensionen (Komponenten) Ihre Daten besser durch pca transformieren könnten. Sie können einen Schwellenwert dafür verwenden (z. B. zählen Sie, wie viele Varianzen unter anderem größer als 0,5 sind). Danach können Sie die Daten mit PCA umwandeln, indem Sie die Anzahl der Dimensionen (Komponenten) verwenden, die den Hauptkomponenten entsprechen, die höher sind als der verwendete Schwellenwert. Die auf diese Dimensionen reduzierten Daten unterscheiden sich von den Daten der Dimensionen in den Originaldaten.

können Sie den Code aus diesem Link:

http://scikit-learn.org/dev/tutorial/statistical_inference/unsupervised_learning.html#principal-component-analysis-pca