Python Sklearn协方差矩阵对角线输入不正确？
Python Sklearn协方差矩阵对角线输入不正确？
提问于 2017-03-03 05:36:07
我正在尝试对一些数据执行PCA。据我所知，相关矩阵应该沿着主对角线有1的条目。这不是我在sklearn PCA中看到的.get_covariance()。我想知道为什么会这样？
出于我自己的目的，我可以对矩阵进行缩放，以获得具有1对角线条目的矩阵，但我只是想知道，既然我已经标准化了我的数据，为什么对角线条目仍然不是1？
In [1]: import pandas as pd
In [2]: import numpy as np
In [3]: from sklearn.decomposition import PCA
In [4]: df = pd.read_csv('myTable.csv')
In [5]: df
Out[5]:
a1 a2 a3 a4 a5
0 -0.559104 0.185914 -2.331367 0.231150 0.357008
1 0.769835 -0.408685 0.375754 0.051397 -0.075885
2 -1.376530 -0.764808 -2.383611 -0.327153 1.746765
3 -0.830105 -0.197574 1.835807 -0.695089 0.881297
4 -0.991861 1.089319 -0.164139 -0.335003 0.795937
5 -1.132968 -2.240598 -0.101935 0.680038 -0.033921
6 -1.205631 -1.492009 -0.602400 -0.065256 -0.494267
7 -1.210978 -1.220986 -0.017062 0.024422 -0.224585
8 -0.332957 2.114870 0.818108 0.612831 -1.879758
9 -0.350612 -0.563872 0.869303 -0.325626 -0.372874
In [6]: df = (df-df.mean())/df.std()
In [7]: pca = PCA()
In [8]: pca.fit(df)
Out[8]: PCA(copy=True, n_components=None, whiten=False)
In [10]: pca.explained_variance_, pca.components_, pca.get_covariance()
Out[10]:
(array([ 1.8780651 , 1.1526052 , 0.78052872, 0.55167761, 0.13712337]),
array([[-0.47790108, -0.36036503, -0.38619941, -0.35716396, 0.60417838],
[ 0.25426743, 0.32305024, 0.47784502, -0.72831952, 0.26870322],
[-0.17613902, -0.7303121 , 0.6250759 , -0.05118019, -0.20562097],
[ 0.82132736, -0.45982165, -0.21938834, 0.03274499, 0.25452296],
[ 0.03681087, -0.14485808, -0.42855924, -0.58162955, -0.67505936]]),
array([[ 0.9 , 0.30943895, 0.29916112, 0.12605405, -0.32333097],
[ 0.30943895, 0.9 , 0.14715469, 0.00295615, -0.24279645],
[ 0.29916112, 0.14715469, 0.9 , -0.13683409, -0.38167791],
[ 0.12605405, 0.00295615, -0.13683409, 0.9 , -0.56418468],
[-0.32333097, -0.24279645, -0.38167791, -0.56418468, 0.9 ]])) Closed
问题出在我的标准化上。我应该按照Tonechas的建议使用df.std(ddof=0)
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/42566448
复制相关文章
相似问题