python - scikit learn 截断SVD解释_方差_比率_不按降序排列？

Question

这个问题已经有答案了:

Why Sklearn TruncatedSVD's explained variance ratios are not in descending order? (1 个回答)

已关闭 3 年前。

这个问题实际上是 this one 的重复问题，但在撰写本文时仍未得到答复。

为什么是explained_variance_ratio_来自TruncatedSVD不像 PCA 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。为什么是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方差(而不是第一个)？

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_

Answer 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_