机器学习 - 因子分析FA

 

1.因子分析简介

因子分析(factor analysis)是一种数据简化的技术，通过变量之间的公共因子来表示其基本的数据结构，公共因子能够反映原来众多变量的主要信息。

因子分析与主成分分析的区别：

(1)主成分分析仅仅是变量变换，而因子分析需要构造因子模型；

(2)因子分析:  潜在的假想变量和随机影响变量的线性组合表示原始变量；

(3)主成分分析：原始变量的线性组合表示新的综合变量，即主成分。

 

2.因子分析案例

 

脚本：

import pandas as pd

from sklearn.decomposition import FactorAnalysis

#读取数据

df=pd.read_table(filepath_or_buffer=r'org_data.txt',sep=r'|')

 

(1)第一步 数据标准化(归一化)

X_scaler = StandardScaler()

x = X_scaler.fit_transform(df)

 

(2)第2步 因子分析

fa = FactorAnalysis(n_components=4)

fa_fit = fa.fit_transform(x)

 

(3)第3步 输出相关信息

#因子模型方程参数

fa.components_

 

得到x1的因子方程为:

-0.42368198x1-0.54152253x2-0.71644766x3-0.96050785x4+0.34953776x5+0.09449389x6+0.2680033x7 + 0.11920987x8-0.15684324x9

其他x2至x9类推

 

#样本数据的因子得分

fa_fit

#给出部分

 

 

#因子方差估计

fa.noise_variance_