PCA的可视化分析

来源：7-6 scikit-learn中的PCA

正义叔叔

2019-07-21

虽然PCA主要是起一个降维的作用，但毕竟它算出的特征是原特征的线性组合，那按道理我也应该可以得出原数据的每一维的贡献度吧？老师使用的pca.explained_variance_ratio_，输出的数字是已经排过序的，这样没办法知道到底对应的是哪一个啊。

另外在网上看到这种图，觉得十分带劲图片描述

可惜它们是用R语言画的，找了一圈没发现有py的库支持这种图，不知道老师有没有这方面资源呢？

写回答

1回答

liuyubobobo

2019-07-22

PCA的结果是一组降维后的向量，我们不能获得每一个维度对PCA的整体结果的贡献，因为每一个维度对PCA结果的每一个主成分都有贡献。每个维度可能对这个主成分的贡献多，那个主成分的贡献少。

我们可以获得每一个维度，对每一个主成分的贡献。可以简单地将每个维度和某个主成分的点积，看做是这个维度对这个主成分的贡献。（即每个维度在某一个主成分上的投影，这也正是我们求出主成分的依据。）

你给出的图2，我要没理解错，计算的就是每一个维度，对第一主成分的贡献。

pca.explained_variance_ratio_ 的意思是，每一个主成分，解释原始数据的方差大小。换句话说，是每一个主成分的贡献，而不是原始数据的每一个维度的贡献。

==========

我没有特别深入的研究过Python的可视化包，道理上应该有类似的作图包，但我没有特别接触过。可以搜索类似的帖子找找看：https://mode.com/blog/python-data-visualization-libraries

但整体，Python语言相较R，就是更加低层一些的。组合Python的可视化模块的逻辑，肯定能画出这种图。其实深入研究matplotlib应该就可以。

其中最后提到了R语言。

继续加油！：）

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 1