在Python的scikitlearn库中，PCA（主成分分析）用于降维。PCA.fit()计算主成分，PCA.transform()将数据投射到这些主成分上。PCA.components_返回的是最大化数据方差的向量。transform后的输出是数据投影到这些向量的结果，减少了数据的维度。PCA常用于高维数据集，以减少列数同时保持信息。
因此，我目前正在从事一个涉及使用主成分分析(PCA)的项目，并且我试图随时进行学习。幸运的是，Python有一个来自scikitlearn.decomposition的非常方便的模块，该模块似乎可以为您完成大部分工作。在我真正开始使用它之前，我正在尝试弄清楚它在做什么。
我一直在测试的数据框如下所示：
0 1
0 1 2
1 3 1
2 4 6
3 5 3
当我调用PCA.fit()然后查看组件时，我得到：
array([[ 0.5172843 , 0.85581362],
[ 0.85581362, -0.5172843 ]])
根据我对PCA的有限了解，我有点了解如何进行计算，但是我迷失的地方是当我调用PCA.transform时。这是它给我的输出：
array([[-2.0197033 , -1.40829634],
[-1.84094831, 0.8206152 ],
[ 2.95540408, -0.9099927 ],
[ 0.90524753, 1.49767383]])
有人可能会引导我了解如何将原始数据帧和组件转换为新数组吗？我希望能够了解它所做的确切计算，以便在扩展时可以更好地了解正在发生的事情。谢谢！
参考方案
当您进行拟合时，PCA将计算一些向量，您可以将向量投影到这些向量上，以减小数据的维数。由于数据的每一行都是二维的，因此最多可以将2个向量投影到数据上，并且每个向量都是二维的。 PCA.components_的每一行都是一个向量，可以将事物投影到该向量上，并且其大小与训练数据中的列
最低0.47元/天 解锁文章
1389
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
