Я хочу корреляции между отдельными переменными и основными компонентами в python. Я использую PCA в sklearn. Я не понимаю, как я могу получить матрицу загрузки после того, как я разложил свои данные? Мой код здесь.Коэффициент нагрузки с использованием sklearn
iris = load_iris()
data, y = iris.data, iris.target
pca = PCA(n_components=2)
transformed_data = pca.fit(data).transform(data)
eigenValues = pca.explained_variance_ratio_
http://scikit-learn.org/stable/modules/generated/sklearn.decomposition.PCA.html не упоминает, как это можно достичь.
explain_variance_ratio_ возвращает собственные значения ковариационной/корреляционной матрицы. Корреляции между исходными образцовыми переменными и основными компонентами расположены где-то в другом месте, вот что я ищу. – Riyaz
Векторная проекция ваших данных на главный компонент даст вам свою дисперсию в этом направлении (т. Е. Корреляцию с этим ПК). – BartoszKP
не могли бы вы объяснить это. – Riyaz