sklearn PCA如何进行因子旋转？还有如何求出载荷矩阵？

Question

我的主要目的是为了降低维度，筛选因子，所以采用sklearn中的PCA调用，想根据降维后，再进行因子旋转，最后得到载荷矩阵，根据载荷矩阵来确定每个成分中的主因子，但是现在没有找到因子旋转的实用方法，以及载荷矩阵的求法，求大神求解，可酬
初步代码附上
pca=PCA(n_components=20)
reduce=pca.fit_transform(data_year_scale_2)#进行降维
print('降维后数据',reduce)
print('各维度方差：',pca.explained_variance_)#方差贡献绝对值
print('各成分贡献率：',pca.explained_variance_ratio_)#各成分方差贡献占比
print('降维后维度数量：',pca.n_components_)

Answer 1

pca.components_ * np.sqrt(pca.explained_variance_)

参考： python - Factor Loadings using sklearn - Stack Overflow I want the correlations between individual variables and principal components in python. I am using PCA in sklearn. I don't understand how can I achieve the loading matrix after I have decomposed m... https://stackoverflow.com/questions/21217710/factor-loadings-using-sklearn