python-3.x - PCA解释方差比的解释

Question

我使用以下代码：

# Fit PCA

pca = PCA(n_components=3)
pca.fit(data)

# Plot
plt.plot(range(0,3), pca.explained_variance_ratio_)
plt.ylabel('Explained Variance')
plt.xlabel('Principal Components')
plt.title('Explained Variance Ratio')
plt.show()
pca.explained_variance_ratio_

由此我得到下图：

和array([0.92540219, 0.06055593, 0.01404188])

我不明白为什么它只显示两个主要组件？它应该是 92.54%（由第一个组件解释的信息），而在图表中它小于 20%？请帮我解决这个误解。

标签： python-3.xscikit-learnpca

Answer 1

事实上，正如文档所述，explained_variance_ratio_返回由每个选定组件解释的方差百分比。因此，它完全符合您的预期，您的图表显示了这一点。

这种方式应该更清楚一点：

import matplotlib.pyplot as plt
%matplotlib inline

plt.plot(range(0,3), [0.92540219, 0.06055593, 0.01404188])
plt.ylabel('Explained Variance')
plt.xlabel('Principal Components')
plt.xticks(range(0,3),
           ["1st comp", "2nd comp", "3rd comp"], rotation=60)
plt.title('Explained Variance Ratio')
plt.show()