machine-learning - 绘制特征权重以进行 PCA 分析

Question

我有一组数据可以在以下位置访问:

http://textuploader.com/df5nt

我的数据集中有 4 列，对应 4 个不同的特征。我可以使用以下代码计算第一和第二主成分:

import pandas as pd
from sklearn.decomposition import PCA as sklearnPCA
from sklearn.preprocessing import StandardScaler

data = pd.read_csv('rr.txt')
X = data.ix[:,0:4].values
X_std = StandardScaler().fit_transform(X)
sklearn_pca = sklearnPCA(n_components=2)
Y_sklearn = sklearn_pca.fit_transform(X_std)

print (Y_sklearn)

现在我想绘制这些数据的特征权重。像这样的东西: features weight

我知道我需要在 scikit-learn 中使用解释方差比，但我不知道如何在我的代码中实现它来获得它。我希望有人能帮助我。谢谢!

Answer 1

使用components_属性

http://scikit-learn.org/stable/modules/generated/sklearn.decomposition.PCA.html

feature_weights = sklearn_pca.components_
import matplotlib.pyplot as plt
%matplotlib inline
fig, (ax1,ax2) = plt.subplots(1,2)
ax1.bar(range(4),feature_weights[0],color=['b','g','r','c'])
ax2.bar(range(4),feature_weights[1],color=['b','g','r','c'])