我需要找到与 2 个主成分具有最大相关性的特征。 这是训练任务，结果是错误的(所有 4 个分量与 1 个分量有更多相关性)
from sklearn import datasets
iris = datasets.load_iris()
data = iris.data
target = iris.target
target_names = iris.target_names
means, = np.mean(data, axis=0),
X = (data - means)
from sklearn.decomposition import PCA
model = PCA(n_components=2)
model.fit(X)
proect_data = model.transform(X)
proect_data_abs = np.absolute(proect_data)
means, = np.mean(proect_data_abs, axis=0),
Y = (proect_data_abs - means)
corr_array = np.corrcoef(X.T, Y.T)
最佳答案
您没有提供任何理由来说明为什么取转换后数据的绝对值，并且非常不清楚为什么这样做。
如果删除该部分，则无需再次减去均值，您将获得预期的结果，并且很容易读出哪些特征与主成分具有最高的相关性:
Y = proect_data
corr_array = np.corrcoef(X.T, Y.T)
corr_array[4:,:4]
array([[ 0.89754488, -0.38999338, 0.99785405, 0.96648418],
[ 0.39023141, 0.82831259, -0.04903006, -0.04818017]])
关于python PCA方法，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/46469340/