PCA分析中的纯度分数低于预期

Question

我正在尝试根据PCA中捕获的方差绘制纯度得分的折线图。我们的目标是根据捕获的89%和99%的方差绘制纯度分数的折线图。在我的代码中，当组件/维度为2时，它捕获89%的方差，当组件/维度为4时，它捕获99%的方差。

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

df = pd.read_csv("clustering.csv")
X10_df = df.drop("Class",axis = 1) #feature matrix
Y10_df = df["Class"] #Target vector
X10_df = np.array(X10_df)
Y10_df = np.array(Y10_df)
scaler = StandardScaler() # Standardizing the data
df_std = scaler.fit_transform(X10_df)
pca = PCA()
pca.fit(df_std)
purity = []
n_comp = range(2,5)
for k in n_comp :
    pca = PCA(n_components = k)
    pca.fit(df_std)
    pca.transform(df_std)
    scores_pca = pca.transform(df_std)
    kmeans_pca = KMeans(n_clusters=3, init ='k-means++', max_iter=300, n_init=10, random_state=0)
    pred_y12 = kmeans_pca.fit_predict(scores_pca)
    purity13 = purity_score(Y10_df, pred_y12)
    purity.append(purity13)

下面的函数计算纯度分数：

def purity_score(y_true, y_pred):
    contingency_matrix = metrics.cluster.contingency_matrix(y_true, y_pred)
    return np.sum(np.amax(contingency_matrix, axis=0)) / np.sum(contingency_matrix)

然而，虽然我有四个方差分数，但我只有三个纯度分数。我希望有四个纯度分数，这样我就可以创建方差与纯度的关系图。

为什么只有三个纯度分数？

以下是指向我的数据集文件的链接：https://gofile.io/d/3CgFTi

Answer 1

这很简单，因为当您使用带范围的for循环时，范围中的最后一个数字将被忽略。所以在一个范围( 2，5)中，它将转到2，3，4，然后是一个循环。请继续阅读Python中的for循环。