sci-kit 学习截断的SVD explained_variance_ratio_不按降序排列

Question

这个问题实际上是这个问题的重复，但在撰写本文时仍未得到解答。

为什么来自TruncatedSVD的explained_variance_ratio_不像来自PCA那样按降序排列？根据我的经验，列表的第一个元素似乎总是最低的，然后在第二个元素处，值向上跳跃，然后从那里按降序排列。为什么explained_variance_ratio_[0] <explained_variance_ratio_[1]（> explained_variance_ratio_[2]> explained_variance_ratio_[3]...）？这是否意味着第二个"分量"实际上解释了最大的方差（而不是第一个）？

重现行为的代码：

from sklearn.decomposition import TruncatedSVD
n_components = 50
X_test = np.random.rand(50,100)
model = TruncatedSVD(n_components=n_components, algorithm = 'randomized')
model.fit_transform(X_test)
model.explained_variance_ratio_

Answer 1

如果您首先缩放数据，那么我认为解释的方差比率将按降序排列：

from sklearn.decomposition import TruncatedSVD
from sklearn.preprocessing import StandardScaler
n_components = 50
X_test = np.random.rand(50,100)
scaler = StandardScaler()
X_test = scaler.fit_transform(X_test)
model = TruncatedSVD(n_components=n_components, algorithm = 'randomized')
model.fit_transform(X_test)
model.explained_variance_ratio_