python - TruncatedSVD - 解释方差

Question

对于 sci-kit learn 中的 RandomizedPCA，我可以在 explained_variance_ratio_ 属性中看到每个组件解释的方差。我可以从 TruncatedSVD 得到什么等价物吗？我想知道让 TruncatedSVD 返回更多组件是否值得。

注意:我什至不知道“解释方差”的概念是否适用于 TruncatedSVD 技术。

Answer 1

我需要检查，但即使 RandomizedPCA 的 explained_variance_ratio_ 也可能被破坏。当您截断 SVD 时，我认为没有原则性的方法来计算它。

编辑:我刚刚登记了this notebook通过计算数据的真实解释方差率，确实 RandomizedPCA 在说谎。

最后，如果你想计算真正的解释方差，你可以从数据中计算:

import numpy as np
from sklearn.decomposition import TruncatedSVD

model = TruncatedSVD(n_components=10).fit(X)
X_proj = model.transform(X)
explained_variances = np.var(X_proj, axis=0) / np.var(X, axis=0).sum()

第二次编辑:我在这里报告了这个问题:https://github.com/scikit-learn/scikit-learn/issues/2663