在 PCA 中获取两个以上特征值时出错答案

【问题标题】：Error getting more than two eigenvalues in PCA在 PCA 中获取两个以上特征值时出错
【发布时间】：2020-10-18 02:42:35
【问题描述】：

我正在尝试使用 Python 从头开始对 MNIST 数据的子集（数字 0 和 1）执行 PCA。（注意：x_train_0_scaled 的尺寸为：5923x784，其中 5923 是图像数量，784 是 28*28 展平的像素值）

这是我查找特征值的代码：


# matrix multiplication using numpy
covar_matrix = np.matmul(x_train_0_scaled.T, x_train_0_scaled)

print("The shape of variance matrix = ", covar_matrix.shape)

# the parameter 'eigvals' is defined (low value to heigh value)
# eigh function will return the eigen values in asending order
# this code generates only the top 2 (782 and 783)(index) eigenvalues.
values, vectors = eigh(covar_matrix, eigvals=(782, 783))

print("Shape of eigen vectors = ", vectors.shape)

但是，当我尝试获取两个以上的特征值时，我得到了这个错误：

    values, vectors = eigh(covar_matrix, eigvals=(782, 783, 781))
  File "/usr/local/lib/python3.8/site-packages/scipy/linalg/decomp.py", line 484, in eigh
    lo, hi = [int(x) for x in subset_by_index]
ValueError: too many values to unpack (expected 2)

我想要两个以上特征向量的原因是因为根据下图，我猜我的数据不能清楚地分离，所以我想找到更多维度来绘制我的数据。我的直觉正确吗？

【问题讨论】：

标签： python machine-learning seaborn pca

【解决方案1】：

问题已解决。 eigvals 将参数作为 (lo, hi)。因此，我需要指定 lo=781 和 hi=783 来获取前 3 个特征值，而不是指定 (781,782, 783)。

【讨论】：