scikit 学习 PCA - 转换结果

Question

我有一个时间序列的一阶差分，我使用 scikit 对其应用 PCA 以获得第一台 PC

# data is a timeseries of first differences
pca = PCA(n_components=1)
pca.fit(data)
pc1_trans = pca.transform(data)
pc1_dot = numpy.dot( data, pca.components_.T)
plt.plot( numpy.cumsum( pc1_dot )  )
plt.plot( numpy.cumsum( pc1_trans ) )

我认为原始数据和第一个分量之间的点积（投影）的结果会产生与调用 pca.transform 相同的结果，但事实并非如此（结果如下；橙色线是来自变换的数据）。为什么是这样？

Answer 1

找到答案

scikit PCA 向您显示 de-meaned 数据的转换，因此这些是等效的：

pc1_trans = pca.transform(data)
pc1_dot = numpy.dot( data - data.mean(), pca.components_.T)

scikit 学习 PCA - 转换结果

scikit learn PCA - transform results

pca

scikit-learn