我只是在 scikit-learn 中查看了 PCA,但我没有找到一种方法来评估变量和个体的表示质量,就像我通常使用平方余弦所做的那样。
向量与轴上的个体或变量的投影之间的平方余弦用于确定表示的质量。
例如,使用 R 中的 FactoMineR 包来获取变量的结果,您可以简单地执行以下操作:
res.pca$var$cos2
res.pca您的 PCA 的结果在哪里。
那么我将如何使用 scikit-learn 做类似的事情呢?
我只是在 scikit-learn 中查看了 PCA,但我没有找到一种方法来评估变量和个体的表示质量,就像我通常使用平方余弦所做的那样。
向量与轴上的个体或变量的投影之间的平方余弦用于确定表示的质量。
例如,使用 R 中的 FactoMineR 包来获取变量的结果,您可以简单地执行以下操作:
res.pca$var$cos2
res.pca您的 PCA 的结果在哪里。
那么我将如何使用 scikit-learn 做类似的事情呢?