Различный порядок собственных значений, вычисленных с помощью PCA и SVD

Question

Я действительно не знаю, почему, когда я вычислил собственные значения с помощью PCA из моего набора данных, я получил вектор, который имеет значения в разном порядке относительно SVD

Это результат

Это код

Спасибо за помощь !!!

Answer 1

Ваш PCA неполный, когда вы используете np.linalg.eig, потому что после собственного разложения вы должны переупорядочить члены, чтобы собственные значения в диагональной матрице были в порядке убывания (это не является частью самого собственного разложения).Кроме того, eig docs не гарантирует какого-либо порядка в ваших результатах, тогда как SVD docs явно заявляет, что ваши значения возвращаются в порядке убывания.