۶ کیو· متوسطمتوسطPYTHON۴ ثانیه · ۲۵۶ مگابایت

نسبت واریانس توضیح‌داده‌شده

تابع pve(X) برای همه‌ی مؤلفه‌های اصلی، نسبت واریانس توضیح‌داده‌شده (PVE) را برمی‌گرداند:

ستون‌ها را استاندارد کنید: میانگین را کم کنید و بر انحراف معیار با ddof=1 تقسیم کنید.
با $z_{im}$ امتیاز نمونه‌ی $i$ روی مؤلفه‌ی $m$ :

\mathrm{PVE}_m = \frac{\sum_{i}z_{im}^2}{\sum_{j}\sum_{i}x_{ij}^2}

که مخرج، واریانس کل داده‌ی استانداردشده است.

راه ساده: مقدارهای تکین $d_m$ ی ماتریس استانداردشده (np.linalg.svd) را بگیرید؛ $\mathrm{PVE}_m = d_m^2/\sum_k d_k^2$ . خروجی آرایه‌ای به طول $\min(n, p)$ است، به ترتیب نزولی، و جمعش یک.

نمونه‌ها

ورودی نمونه ۱

[[[3.7, 1.91, 1.56], [2.86, 2.52, 3.37], [2.11, 3.55, 2.6], [3.7, 1.94, 1.84], [1.59, 3.64, 4.78], [3.82, 1.85, 2.07], [2.3, 3.14, 4.41], [3.08, 2.31, 1.45], [4.13, 2.0, 2.34], [3.3, 2.32, 2.3]]]

خروجی نمونه ۱

[0.89, 0.0991, 0.0109]

ورودی نمونه ۲

[[[4.89, 4.0, 4.57, 3.01], [5.37, 4.66, 5.5, 3.1], [-0.59, 0.18, -1.44, 3.19], [2.91, 3.18, 2.69, 3.44], [4.08, 4.22, 4.55, 3.21], [4.73, 4.4, 6.23, 2.82], [3.78, 4.0, 4.88, 2.92], [5.18, 4.97, 5.11, 3.28], [3.78, 3.28, 3.52, 2.39], [3.09, 3.56, 4.24, 2.8], [3.34, 3.62, 3.36, 3.23], [2.21, 1.11, 1.37, 2.27], [2.1, 1.99, 1.26, 2.59], [3.46, 3.33, 3.72, 2.63], [2.48, 1.84, 1.83, 2.86]]]

خروجی نمونه ۲

[0.7391, 0.2417, 0.0141, 0.0051]

برای نوشتن پاسخ و دریافت امتیاز، ابتدا وارد حساب شوید.

ورود