python - 如何根据 PCA 的特征向量对特征进行正确排序

Question

我的目标是通过对主成分的贡献对监督机器学习数据集的特征进行排名，感谢 this answer .

我设置了一个实验，其中构建了一个数据集，其中按顺序包含 3 个信息特征、3 个冗余特征和 3 个噪声特征。然后找到每个主轴上最大分量的索引。

但是，使用这种方法我的排名确实很差。不知道我犯了什么错误。非常感谢您的帮助。这是我的代码:

from sklearn.datasets import make_classification
from sklearn.decomposition import PCA
import pandas as pd
import numpy as np

# Make a dataset which contains 3 Infomative, redundant, noise features respectively
X, _ = make_classification(n_samples=20, n_features=9, n_informative=3,
                           n_redundant=3, random_state=0, shuffle=False)

cols = ['I_'+str(i) for i in range(3)]
cols += ['R_'+str(i) for i in range(3)]
cols += ['N_'+str(i) for i in range(3)]
dfX = pd.DataFrame(X, columns=cols)


# Rank each feature by each priciple axis maximum component
model = PCA().fit(dfX)
_ = model.transform(dfX)

n_pcs= model.components_.shape[0]
most_important = [np.abs(model.components_[i]).argmax() for i in range(n_pcs)]
most_important_names = [dfX.columns[most_important[i]] for i in range(n_pcs)]

rank = {'PC{}'.format(i): most_important_names[i] for i in range(n_pcs)}

对输出进行排名:

{'PC0': 'R_1',
  'PC1': 'I_1',
  'PC2': 'N_1',
  'PC3': 'N_0',
  'PC4': 'N_2',
  'PC5': 'I_2',
  'PC6': 'R_1',
  'PC7': 'R_0',
  'PC8': 'R_2'}

我期待看到信息特征 I_x 排名前三。

Answer 1

PCA排名标准是每列的方差，如果想要排名，可以输出每列的VarianceThreshold。你可以这样做

from sklearn.feature_selection import VarianceThreshold

selector = VarianceThreshold()
selector.fit_transform(dfX)
print(selector.variances_)

# outputs [1.57412087 1.08363799 1.11752334 0.58501874 2.2983772  0.2857617
# 1.09782539 0.98715471 0.93262548]

您可以清楚地看到前 3 列(I0、I1、I2)具有最大的方差，因此是使用 PCA 的最佳候选。