‘'PCA’对象没有属性'explained_variance_‘

Question

弯头法-求出保持最大方差所需的元件数。

我的代码：

pca = decomposition.PCA()

vectorizer = TfidfVectorizer(min_df=10)
preprocessed_essay_tfidf = vectorizer.fit_transform(preprocessed_essay)
pca_data = preprocessed_essay_tfidf
pca.n_components = 3000

percentage_var_explained = pca.explained_variance_ / np.sum(pca.explained_variance_);
cum_var_explained = np.cumsum(percentage_var_explained)

我得到属性错误：

AttributeError: 'PCA' object has no attribute 'explained_variance_

为什么会这样呢？

我可以找到explained_variance_ present 这里。

Answer 1

PCA是一种估计量，您需要调用fit()方法来计算主成分和与它们相关的所有统计数据，例如投影的方差和explained_variance_ratio。

pca.fit(preprocessed_essay_tfidf)或pca.fit_transform(preprocessed_essay_tfidf)