请问如何查看被保留的主成分因子的名称呢？

来源：7-6 scikit-learn中的PCA

慕设计0065995

2019-08-10

如题，我们可以用n_components查看前n个主成分，那如何查看这前n个主成分是什么呢？

写回答

2回答

liuyubobobo

2019-08-11

主成分分析不是保留了某些维度，而是将原有的维度转换成了另外的维度。

如下图所示：对于二维数据，红色的箭头就是第一主成分。这个主成分既不是特征1，也不是特征2，而是特征1和特征2的综合。

//img1.sycdn.imooc.com/szimg/5d4efb1409f5df3419901122.jpg

所以，我们没有“保留”任何因子，我们实际算出了n个新的主成分（即新的特征，新的维度，新的方向），每个主成分的本质是一个方向。

每个主成分是谁？就是我们求出的W矩阵的每一列。

//img.mukewang.com/szimg/5d4efc0709a1ccd820061126.jpg

请简单理解一下上面的叙述，再复习一下这一章前面的内容。梯度上升法求解不是重点。关键是，我们到底在求什么？尤其在第一小节，我就已经用比较的方式向大家展示了，主成分分析不是这样的保留特征。

//img.mukewang.com/szimg/5d4efcb909d4586b19981122.jpg

加油！：）

qq_慕姐45445

2020-07-13

那实际情形往往希望能得到所有因素中的主要因素。当我们需要了解n_components中前n个主成分，怎么办呢？

liuyubobobo

如果你说的主要因素是指具有语义的因素的话，就不能使用 PCA 做压缩。这个课程介绍的 LASSO 是一种“特征选择”的方式，可以参考这里：http://coding.imooc.com/learn/questiondetail/129659.html

2020-07-13

共1条回复

Python3入门机器学习经典算法与应用

Python3+sklearn，兼顾原理、算法底层实现和框架使用。

5893 学习 · 2454 问题

相似问题

回答 1

回答 1

回答 1

回答 1

回答 2