如何解决PCA:如何在Pyspark python中获取方差表和图形的总和
我在 Pyspark 中执行 PCA,下面的代码给了我 k = 12 个缩减维度的方差总和
#Dimension reduction using PCA
pca = PCA(k=17,inputCol = scaler.getoutputCol(),outputCol="pcaFeatures")
model = pca.fit(Product_score_data_scaled)
PCA_transformed_feature = model.transform(Product_score_data_scaled)
#Sum of Variance explained
np.round(100.00*model.explainedVariance.toArray(),4).sum()
我在原始数据中有 200 个特征。我怎样才能得到一个表,它有 k = 1 直到 K = 200 的方差总和,并将其绘制成图表以选择 pyspark 中的最佳 k?
我尝试了以下方法来创建表格。但是太费时间了
PC_count = []
variance = []
for k in range(1,len(cols_to_scale)):
pca = PCA(k= k,outputCol="pcaFeatures")
model = pca.fit(Product_score_data_scaled)
variance.append(np.round(100.00*model.explainedVariance.toArray(),4).sum())
PC_count.append(k)
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。