在Sklearn中制作数据集以测试PCA？

Question

我想测试PCA的工作流程，为此，我想创建一个数据集，其中包含3个要素，并且这些要素之间具有设定的关系。然后应用PCA并检查这些关系是否被捕获，在Python中最直接的方法是什么？

谢谢！

Answer 1

您可以创建样本，其中两个要素彼此独立，而第三个要素是另两个要素的线性组合。

例如：

import numpy as np
from numpy.random import random

N_SAMPLES = 1000

samples = random((N_SAMPLES, 3))

# Let us suppose that the column `1` will have the dependent feature, the other two being independent

samples[:, 1] = 3 * samples[:, 0] - 2 * samples[:, 2]

现在，如果运行PCA在该样本上找到两个主要成分，则“解释方差”应等于1。

例如：

from sklearn.decomposition import PCA

pca2 = PCA(2)
pca2.fit(samples)

assert sum(pca2.explained_variance_ratio_) == 1.0 # this should be true