使用 python 的稀疏 PCA

问题描述

我正在分析一个具有 9 个特征的数据集，我使用 Sparse PCA 将数据集的维数减少到 3。之后我将数据集标准化为具有均值 0 和方差 1。我想从以上两个选项中选择最佳选项方法。我可以看到结果之间存在差异，并且这两个结果中的哪一个最有可能捕捉到变量之间的关系。

from sklearn.decomposition import SparsePCA
from sklearn.preprocessing import StandardScaler

transformer = SparsePCA(n_components=3,random_state=0,alpha=5)
transformer.fit(data)
X_transformed = transformer.transform(data)
print(pd.DataFrame(X_transformed))

#Standardized Data

scaler = StandardScaler()
scaler.fit(data)
noramlized_data=scaler.transform(data)
transformer = SparsePCA(n_components=3,alpha=5)
transformer.fit(normalized_data)
X_transformed = transformer.transform(normalized_data)
pd.DataFrame(X_transformed)

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）