Python 中的旋转分量矩阵
Rotated component matrix in Python
我有 10 个组件，想知道每个组件的加载情况（使用 56 个变量）
当我使用 pca.components_ 并将最高相关分数与所有 56 个变量进行比较时，有几个组件没有得到它的负载。
是不是因为我没做 : pca.components_.T * np.sqrt(pca.explained_variance_) ?
我们如何在 Python 中获得旋转的分量矩阵（就像我们在 SPSS 中得到类似的输出一样）？
我问的更多是 PCA 加载的可视化。我发现它是一组数组，如 https://datascience-enthusiast.com/Python/PCA_Spark_Python_R.html
中所述
而 loadings 本身实际上是 pca.component_
我有 10 个组件，想知道每个组件的加载情况（使用 56 个变量）
当我使用 pca.components_ 并将最高相关分数与所有 56 个变量进行比较时，有几个组件没有得到它的负载。
是不是因为我没做 : pca.components_.T * np.sqrt(pca.explained_variance_) ?
我们如何在 Python 中获得旋转的分量矩阵（就像我们在 SPSS 中得到类似的输出一样）？
我问的更多是 PCA 加载的可视化。我发现它是一组数组，如 https://datascience-enthusiast.com/Python/PCA_Spark_Python_R.html
中所述而 loadings 本身实际上是 pca.component_