用于在 Python 中查找特征的非排序特征值答案

【问题标题】：Non sorted eigenvalues for finding features in Python用于在 Python 中查找特征的非排序特征值
【发布时间】：2011-06-03 13:18:31
【问题描述】：

我现在正在尝试使用 PCA 做一些事情，但了解每个特征值的哪些特征对我来说非常重要。

numpy.linalg.eig 给了我们已经排序的对角矩阵，但我希望这个矩阵与它们在原始位置。有人知道我是怎么做到的吗？

【问题讨论】：

标签： python pca

【解决方案1】：

Sven 在他的 cmets 中提到的是正确的。特征值没有“默认”排序。每个特征值与一个特征向量关联，而重要的是特征值-特征向量对匹配正确。你会发现所有的语言和包都会这样做。

所以如果 R 给你特征值 [e1,e2,e3 和特征向量 [v1,v2,v3]，python 可能会给你（比如说）[e3,e2,e1] 和 [v3,v2,v1]。

回想一下，特征值告诉您数据中的方差有多少是由与其关联的特征向量解释的。因此，在 PCA 中有用的特征值的自然排序（对我们来说很直观）是按大小（升序或降序）。这样，您可以轻松查看特征值并确定要保留哪些特征值（大，因为它们解释了大部分数据）和丢弃哪些特征值（小，可能是高频特征或只是噪声）

【讨论】：

【解决方案2】：

（不是答案，但我需要此评论的高级格式。）

您必须指定您想要的排序方式。例如，这个矩阵的特征值

    / 0  1 \
A = |      |
    \ 1  0 /

分别是+1和-1，对应特征向量(1 1)和(1 -1)。您希望这些特征值如何排序，为什么？

【讨论】：