pycaret - 如何从 pycaret 配置中提取 PCA 参数以创建反向转换？

Question

我对有助于最具预测性的主成分的特征感兴趣。我正在使用 pycaret，因此 PCA 类在某种程度上隐藏在存储在环境中的管道中。访问 PCA 类以获取每个原始特征的特征值和贡献的最佳方法是什么？

我想这并不是那么简单，因为 pycaret 在运行 PCA 之前会进行很多转换、插补、归一化。

from pycaret.classification import *

experiment = setup(tmp, target_name, silent=True,  
                   session_id=42,
                   feature_selection=True, 
                   feature_selection_method='boruta',
                   pca=True, pca_method='linear',
                   experiment_name=NAME)

model = create_model('catboost')

plot_model(model, 'feature')

最后一个命令生成具有特征重要性的图。现在，我真正感兴趣的是原始特征空间。为此，我需要访问管道并进行反向转换以获取分量向量。