mlab PCA 和 sklearn PCA 的区别

Question

我有一组“二维”数据，我必须使用 PCA 分解对其进行研究。 作为第一步，我尝试使用 matplotlib.mlab 库：

import numpy as np
from matplotlib.mlab import PCA

data = np.loadtxt("Data.txt")
result = PCA(data)
#....

然后，我将“Data.txt”的散点图与 mlab 找到的主成分（存储在 result.Wt 中）进行了比较。结果如下： mlab attempt

如您所见，结果不是最佳的。因此，我尝试使用 sklearn.decomposition 库来做同样的事情：

import numpy as np
from sklearn.decomposition import PCA

data = np.loadtxt("Data.txt")
pca = PCA(n_components=2,whiten=True)
pca.fit(data)

这次的结果好多了：sklearn attempt

我真的没想到这两个库之间的结果会有如此大的差异。那么我的问题是：我的结果差异如此之大的可能原因是什么？

Answer 1

对于不可重现的问题 (data.txt)：让我们猜猜看！

• matplotlibs PCA 默认标准化数据
• sklearn 的PCA 没有（而且您还激活了美白功能；您不想比较这些结果吗？）

我的猜测是，在 matplotlib 案例中，您绘制了适合标准化数据的 PCA 轴，但确实绘制了原始数据（显然没有以平均值为中心，仅作为轴上的正值）。

所以：

• 停用 matplotlib 的标准化
• 停用 sklearn 的美白功能
• 然后比较...