sklearn的PCA实现是否保持输入顺序？

Question

假设我是这样用sklearns做PCA的sklearn.decomposition.PCA：

def doPCA(arr):
    scaler =  StandardScaler()
    scaler.fit(arr)
    arr =scaler.transform(arr)
    pca =PCA(n_components=2)
    X = pca.fit_transform(arr)
    return X

我目前的理解是，我得到了一个长度相同的输出数组，但现在每个样本的维数都是2。在

现在，我感兴趣的是原始数组arr中的一个值在PCA之后结束。在

---

我的问题是：

我能假设X[i]对应于arr[i]？在

Answer 1

您在代码中获得的X，即U[:, :n_components]*S[:n_components]，是第一个n_components上的PCA加载。为了理解X[i]应该对应于arr[i]，让我们看看加载意味着什么。在

装载量

假设本征向量是n_components阶新维的基向量。加载有助于定义每个数据点在这个新维度空间上的位置。换句话说，原始数据点从全特征空间投影到降维空间。这些是线性组合中的系数（np.dot(X, n_components)），通过（标准化）组件预测原始的全套特征。在

所以可以假设X[i]对应于arr[i]。在