pca ou pca_dados?

Olá Antonio,

Não seria. Nesse o pca_dados guarda apenas um array com após a aplicação do pca. Já o pca ajustado contém os métodos que podem ser chamados e retornar informações como o explained_variance_ratio_.

Aqui um exemplo de código que você pode copiar para testar:

import numpy as np

# Crie uma matriz aleatória 3x3
matriz_aleatoria = np.random.rand(3, 3)

# Exiba a matriz aleatória
print(matriz_aleatoria)
X_normalizado = matriz_aleatoria

from sklearn.decomposition import PCA

# Suponha que você tenha uma matriz X_normalizado

# Especifique o número de componentes que você deseja
pca = PCA(n_components=2)

# Ajuste o PCA aos seus dados e transforme-os
pca_dados = pca.fit_transform(X_normalizado)

# Obtenha a razão da variância explicada
explained_variance_ratio = pca.explained_variance_ratio_

# Agora você pode imprimir ou usar a explained_variance_ratio como desejar
print(explained_variance_ratio)