sklearn.decomposition.PCA explained_variance_ratio_属性不存在

Question

当试图使用explained_variance_ratio_属性sklearn.decomposition.PCA识别dataset的前两列所解释的方差时，我会收到以下错误：

AttributeError: 'PCA' object has no attribute 'explained_variance_ratio_'

我的代码(浓缩)：

import pandas as pd
from sklearn.preprocessing import StandardScaler
from sklearn.decomposition import PCA

df = pd.read_csv('Input.csv')
df = df.dropna()
df_transform = StandardScaler().fit_transform(df)
pca = PCA(n_components=2).fit_transform(df_transform)
var_exp = pca.explained_variance_ratio_

当执行最后一行时，我得到了错误：

AttributeError: 'PCA' object has no attribute 'explained_variance_ratio_'

我使用的是sklearn版本0.20.0

编辑

在检查了sklearn.decomposition.PCA的属性之后，我发现该属性确实不存在(如图像所示)。

Answer 1

这是未经测试的，但我相信会发生错误，因为您正在调用对fit_transform对象的解释方差，而不仅仅是fit的结果。

尝试：

df = pd.read_csv('Input.csv')
df = df.dropna()
df_transform = StandardScaler().fit_transform(df)
pca = PCA(n_components=2).fit(df_transform)
new_df = pca.transform(df_transform)
var_exp = pca.explained_variance_ratio_

Answer 2

问题是，您不需要再次通过PCA算法传递您的参数(本质上看起来您所做的是两次PCA )。只需将.explained_variance_ratio_添加到指定PCA的变量的末尾即可。

例如，尝试：

pca = PCA(n_components=2).fit_transform(df_transform)

将var_exp =设置为：

var_exp = pca.explained_variance_ratio_

Answer 3

那就检查一下你的版本。属性explained_variance_ratio_存在到此日期的最新版本sklearn 1.2.1。

https://scikit-learn.org/stable/modules/generated/sklearn.decomposition.PCA.html