为什么我需要在主成分分析中指明要保留的成分数量？答案

【问题标题】：Why do I need to indicate the number of components to be kept in Principal Component Analysis?为什么我需要在主成分分析中指明要保留的成分数量？
【发布时间】：2021-05-18 05:49:21
【问题描述】：

我发现要使用 pca，有必要在开始时指出要保留的组件数量，例如在下一个代码中：

# Initialize
model = pca(n_components=3, normalize=True)

有没有只表示方差并让算法给我最重要的组件？

【问题讨论】：

标签： python scikit-learn pca

【解决方案1】：

您不一定需要提前指定组件的数量。您可以提取所有组件并仅保留解释累积方差的给定部分的组件。请参阅下面的代码以获取示例。

import numpy as np
from sklearn.decomposition import PCA
from sklearn.datasets import make_spd_matrix
from sklearn.preprocessing import StandardScaler

# generate the data
np.random.seed(100)

N = 1000  # number of samples
K = 10    # number of features

mean = np.zeros(K)
cov = make_spd_matrix(K)
X = np.random.multivariate_normal(mean, cov, N)
print(X.shape)
# (1000, 10)

# rescale the data
scaler = StandardScaler()
X = scaler.fit_transform(X)

# perform the PCA
pca = PCA(n_components=None)
pca.fit(X)

# extract the smallest number of components which
# explain at least p% (e.g. 80%) of the variance
p = 0.80
n_components = 1 + np.argmax(np.cumsum(pca.explained_variance_ratio_) >= p)
print(n_components)
# 6

# extract the values of the selected components
Z = pca.transform(X)[:, :n_components]
print(Z.shape)
# (1000, 6)

【讨论】：