Aclarar el significado de "cargas" utilizando Sklearn

votos
1

He estado leyendo sobre PCA en sklearn, específicamente las relaciones entre las características y componentes. Estoy particularmente interesado en la identificación de importancia característica con respecto a un par de componentes principales. Sin embargo, me encontré con un par de mensajes que dicen cosas diferentes.

Por ejemplo, en las 3 respuestas en este post son vectores propios y cargas discutidos. Particularmente, se menciona que pca.components_.T * np.sqrt(pca.explained_variance_)muestra las saturaciones en componentes de las características. ¿Por qué se sqrtutiliza aquí?

Sin embargo, en esta respuesta se indica que abs(pca.components_)le da la importancia función de cada componente. Esto parece contradecir lo que se ha indicado anteriormente, sí?

Además, echo de menos a comprender cómo este responde a la pregunta: ¿ I think what you call the loadings is the result of the projection for each sample into the vector space spanned by the components. Those can be obtained by calling pca.transform(X_train) after calling pca.fit(X_train).Pero esto no es correcto: las cargas se refieren al coeficiente de cada característica de los componentes principales, y no muestras. ¿De acuerdo?

Realmente agradecería una aclaración aquí.

Publicado el 09/10/2019 a las 18:57
fuente por usuario
En otros idiomas...                            

Cookies help us deliver our services. By using our services, you agree to our use of cookies. Learn more