scikit学习截断的SVD解释_variance_ratio_不是按降序排列？ [复制]答案

【问题标题】：sci-kit learn TruncatedSVD explained_variance_ratio_ not in descending order? [duplicate]scikit学习截断的SVD解释_variance_ratio_不是按降序排列？ [复制]
【发布时间】：2019-06-22 00:30:45
【问题描述】：

这个问题实际上与this one 重复，但在撰写本文时仍未得到解答。

为什么TruncatedSVD 中的explained_variance_ratio_ 不像PCA 中那样按降序排列？根据我的经验，列表的第一个元素似乎总是最低的，然后在第二个元素处，值会向上跳跃，然后从那里按降序排列。为什么explained_variance_ratio_[0] explained_variance_ratio_[1] ( > explained_variance_ratio_[2] > explained_variance_ratio_[3] ...)？这是否意味着第二个“组件”实际上解释了最大的差异（不是第一个）？

重现行为的代码：

from sklearn.decomposition import TruncatedSVD

n_components = 50
X_test = np.random.rand(50,100)

model = TruncatedSVD(n_components=n_components, algorithm = 'randomized')
model.fit_transform(X_test)
model.explained_variance_ratio_

【问题讨论】：

PCA 是通过对平均居中数据执行 SVD 来完成的（取决于使用的包）。也许下面的讨论会有所帮助。 stats.stackexchange.com/questions/189822/…

标签： python scikit-learn svd variance

【解决方案1】：

如果你先缩放数据，那么我认为解释的方差比将按降序排列：

from sklearn.decomposition import TruncatedSVD
from sklearn.preprocessing import StandardScaler

n_components = 50
X_test = np.random.rand(50,100)

scaler = StandardScaler()
X_test = scaler.fit_transform(X_test)

model = TruncatedSVD(n_components=n_components, algorithm = 'randomized')
model.fit_transform(X_test)
model.explained_variance_ratio_

【讨论】：