scikit学习截短SVD解释了方差比不按降序排列？

Question

这个问题基本上是this question的复制品--很抱歉，因为我是新来的，想不出一个办法来“撞”另一个问题，所以我要问一个新问题。但我有一个完全相同的问题，找不到令人满意的解释。你知道吗

为什么来自explained_variance_ratio_的TruncatedSVD不像来自PCA的explained_variance_ratio_按降序排列？根据我的经验，似乎列表的第一个元素总是最低的，然后在第二个元素，值跳起来，然后按降序排列。为什么explained_variance_ratio_[0]<；explained_variance_ratio_[1]（>；explained_variance_ratio_[2]>；explained_variance_ratio_[3]？这是否意味着第二个“成分”实际上解释了最大的差异（不是第一个）？你知道吗

复制行为的代码：

from sklearn.decomposition import TruncatedSVD

n_components = 50
X_test = np.random.rand(50,100)

model = TruncatedSVD(n_components=n_components, algorithm = 'randomized')
model.fit_transform(X_test)
model.explained_variance_ratio_

Answer 1

如果您首先缩放数据，那么我认为解释的方差比将按降序排列：

from sklearn.decomposition import TruncatedSVD
from sklearn.preprocessing import StandardScaler

n_components = 50
X_test = np.random.rand(50,100)

scaler = StandardScaler()
X_test = scaler.fit_transform(X_test)

model = TruncatedSVD(n_components=n_components, algorithm = 'randomized')
model.fit_transform(X_test)
model.explained_variance_ratio_