Sklearn TruncatedSVD 没有按降序显示解释的方差比，或者第一个数字有其他含义？

Question

from sklearn import datasets
from sklearn.decomposition import PCA
from sklearn.decomposition import TruncatedSVD 

digits = datasets.load_digits()
X = digits.data
X = X - X.mean() # centering the data

#### svd
svd = TruncatedSVD(n_components=5)
svd.fit(X)
print(svd.explained_variance_ration)

####  PCA
pca = PCA(n_components=5)
pca.fit(X)
print(pca.explained_variance_ratio_)

svd 输出为：

array([0.02049911, 0.1489056 , 0.13534811, 0.11738598, 0.08382797])

pca 输出为：

 array([0.14890594, 0.13618771, 0.11794594, 0.08409979, 0.05782415])

TruncatedSVD 实现中是否存在错误？或者为什么第一个解释的方差 (0.02...) 表现得像这样？或者是什么意思

Answer 1

总结：

那是因为TruncatedSVD和PCA使用了不同的SVD函数！

注意：您的案例是由于下面的原因 2，但我为未来的读者提供了另一个原因。

详情：

原因1：用户在每个算法中设置的求解器不同:

PCA 内部使用 scipy.linalg.svd 对奇异值进行排序，因此 explained_variance_ratio_ 被排序。

PCA 的部分 Scikit 实现：

# Center data
U, S, Vt = linalg.svd(X, full_matrices=False)
# flip eigenvectors' sign to enforce deterministic output
U, Vt = svd_flip(U, Vt)

components_ = Vt

# Get variance explained by singular values
explained_variance_ = (S ** 2) / (n_samples - 1)
total_var = explained_variance_.sum()
explained_variance_ratio_ = explained_variance_ / total_var

上面的截图scipy.linalg.svd link:

另一方面，TruncatedSVD 使用 scipy.sparse.linalg.svds，它依赖于 ARPACK 解算器进行分解。

上面的截图scipy.sparse.linalg.svds link:

原因 2：TruncatedSVD 的运行方式与 PCA 不同：

在您的情况下，您在两种算法中都选择了 randomized 作为求解器（默认设置），但您在方差阶数方面获得了不同的结果。

那是因为在PCA中，方差是从已经排序的实际奇异值（在Scikit-Learn实现中称为Sigma或S）中获得的：

另一方面，TruncatedSVD 中的方差是从 X_transformed 中获得的，它是数据矩阵乘以分量的结果。后者不一定保留顺序，因为数据不居中，也不是 TruncatedSVD 的目的，它首先用于稀疏矩阵：

现在，如果您将数据居中，就会对它们进行排序（请注意，您没有正确居中数据，因为居中需要除以标准差）：

from sklearn import datasets
from sklearn.decomposition import TruncatedSVD
from sklearn.preprocessing import StandardScaler

digits = datasets.load_digits()
X = digits.data

sc = StandardScaler()
X = sc.fit_transform(X)

### SVD
svd = TruncatedSVD(n_components=5, algorithm='randomized', random_state=2021)
svd.fit(X)
print(svd.explained_variance_ratio_)

输出

[0.12033916 0.09561054 0.08444415 0.06498406 0.04860093]

Important: Further read.

Sklearn TruncatedSVD 没有按降序显示解释的方差比，或者第一个数字有其他含义？

Sklearn TruncatedSVD not showing explained variance ration in descending order, or first number means something else?

python-3.x

machine-learning

scikit-learn

svd

总结：

详情：

输出