如何从特征向量特征值中获取标准偏差和方差比例
How to obtain standard deviation and proportion of variance from eigenvector eigenvalues
如何从特征向量特征值中得到标准差和方差比例？我喜欢在 Python.
中实现计算
谢谢
有一种简单的方法可以使用 python 中的 sklearn 计算数据中每个 eigenvalue/vector 的相对贡献。
import numpy as np
from sklearn.decomposition import PCA
X = np.array([[-1, -1], [-2, -1], [-3, -2], [1, 1], [2, 1], [3, 2]])
pca = PCA(n_components=2)
pca.fit(X)
pca 对象有一个称为解释方差的属性，它显示每个特征向量的方差比例。
print(pca.explained_variance_ratio_)
有关详细信息，请参阅 http://scikit-learn.org/stable/modules/generated/sklearn.decomposition.PCA.html。
如何从特征向量特征值中得到标准差和方差比例？我喜欢在 Python.
中实现计算谢谢
有一种简单的方法可以使用 python 中的 sklearn 计算数据中每个 eigenvalue/vector 的相对贡献。
import numpy as np
from sklearn.decomposition import PCA
X = np.array([[-1, -1], [-2, -1], [-3, -2], [1, 1], [2, 1], [3, 2]])
pca = PCA(n_components=2)
pca.fit(X)
pca 对象有一个称为解释方差的属性，它显示每个特征向量的方差比例。
print(pca.explained_variance_ratio_)
有关详细信息，请参阅 http://scikit-learn.org/stable/modules/generated/sklearn.decomposition.PCA.html。