腾讯云
开发者社区
文档
建议反馈
控制台
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
登录/注册
精选内容/技术社群/优惠产品,
尽在小程序
立即前往
文章
问答
(9999+)
视频
沙龙
1
回答
在
进行
主
成分
分析
时
,
sklearn
的
skpca.fit
出现
了
什么
错误
、
、
、
我正在用一些卫星数据做一个简单
的
PCA
分析
。所有的陆点都被移除了,均值和标准差接近于0和1。import pca
skpca.fit
(X) KeyError: 'print_changed_only'
在
部件
skpca.fit<
浏览 16
提问于2021-01-28
得票数 0
回答已采纳
1
回答
如何解释LinearDiscriminantAnalysis
的
结果?
、
、
我感兴趣
的
是,
在
多类分类中,哪些“特征”最具影响力。关于fit_transform之后LDA对象
的
哪些元素可以用来获得每个组件
的
特定功能洞察,有
什么</
浏览 0
提问于2016-12-17
得票数 1
3
回答
在
Python中对稀疏矩阵执行分解
、
、
、
、
我正在尝试使用
sklearn
库
在
Python语言中将信号分解成大型稀疏矩阵中
的
组件(矩阵分解)。 我利用scipy
的
scipy.sparse.csc_matrix来构建我
的
数据矩阵。然而,我不能
进行
任何
分析
,比如因子
分析
或独立
成分
分析
。我唯一能做
的
就是使用truncatedSVD或scipy
的
scipy.sparse.linalg.svds来执行
主
成分</
浏览 1
提问于2015-04-29
得票数 2
1
回答
基于卷积神经网络
的
PCA实现
、
、
、
在对MNIST数据应用PCA后,我确定
了
CNN模型和层。
在
拟合CNN模型(X_train_PCA,Y_train)后,我
在
评估阶段结束
了
维数问题。这里是消息"ValueError: Error when checking input:期望conv2d_1_input具有形状(1,10,10),但得到形状为(1,28,28)
的
数组“。当我尝试将X_test重塑为10X10格式
时
,我得到了非常低
的
分数 首先,我应用了最小-最大正则化,然后将
主
<e
浏览 92
提问于2019-01-05
得票数 0
回答已采纳
1
回答
scikit学习PCA没有“评分”方法
、
、
、
、
我正在尝试根据那篇文章来识别噪音
的
类型:
浏览 0
提问于2013-11-12
得票数 2
1
回答
尝试使用
SKlearn
将算法应用于Python语言中
的
数据集
时
出错
、
、
、
、
尝试使用
SKlearn
在
机器学习评估中通过
主
成分
分析
运行我
的
数据集。不确定我做错了
什么
?
浏览 0
提问于2018-12-08
得票数 0
1
回答
词嵌入
的
降维方法: PCA与TSNE
、
、
、
对于使用PCA可视化单词嵌入
的
局限性,我有一个一般性
的
问题。到目前为止,我已经了解到,当使用
主
成分
分析
(如
sklearn
)
时
,解释方差(explained_variance_ratio_)描述
了
每个
主
成分
对方差
的
解释程度。例如,一旦解释
了
80%
的
方差(或弯头),人们就可以相当自信地认为,这个数量
的
PC是描述低维空间中数据方差
的
一
浏览 0
提问于2023-05-03
得票数 0
回答已采纳
1
回答
基于
主
成分
分析
的
噪声去相关方法
、
、
我被告知PCA可以实现这一点,所以我搜索
了
一些我可以
在
python中使用
的
信息和工具。我使用
sklearn
中
的
PCA模块来执行PCA.The,以下是我
的
代码。import numpy as np omega_new = np.corrcoef(y[:,i],
浏览 16
提问于2017-02-13
得票数 2
2
回答
如何确定PCA
的
主
成分
数
背景mnist = fetch_openml('mnist_784', version=1) X_train, y_train = X[:60000], y[:60000]
浏览 0
提问于2019-10-30
得票数 1
1
回答
数据挖掘孤立点剔除与
主
成分
分析
、
、
我需要一个数据集来
进行
一些操作,如数据清理、异常值检测和去除、
主
成分
分析
,但我找不到任何数据集。 此外,我
在
删除2列数据集
时
也
出现
了
异常。我真的不知道如何才能在多列中实现这一点。你对数据集和方法有
什么
建议吗?
浏览 28
提问于2021-02-07
得票数 0
回答已采纳
1
回答
运行PCA后行标准化可以吗?
、
、
我有一个50K行和26个特性
的
数据集。我正在使用
sklearn
的
StandardScaler规范列(每列都有0平均和1标准偏差),然后运行
主
成分
分析
以将特征重置降低到原始方差
的
90%左右。然后,在运行
sklearn
的
KMeans算法之前,我将对行
进行
规范化。 在运行PCA之后,我有
什么
理由不对行
进行
规范化吗?如果存在,那么PCA之前
的
行是否会导致任何问题--这是<
浏览 2
提问于2017-01-06
得票数 1
回答已采纳
1
回答
主
成分
分析
-为
什么
特征向量
的
点积不是零?
、
、
、
、
我尝试使用Python
sklearn
对breast_canser数据集
进行
主
成分
分析
。不能理解为
什么
特征向量
的
两个点积(3个分量)都不是零?
浏览 6
提问于2017-09-16
得票数 0
2
回答
python和
sklearn
的
PCA差异
、
、
我尝试用两种不同
的
方法(协方差法和特征面PCA法)用numpy.linalg.eig实现
主
成分
分析
,并将结果与
sklearn
的
pca方法
进行
了比较。但是我观察到我
的
结果是不同
的
,所以我想知道我
在
犯哪一个
错误
。我有3个样本,每个样本有4个特征。我试图将样本
的
维数降到3。编辑:添加与SVD方法。IThe结果使用协方差
主
成分
分析
,SV
浏览 2
提问于2017-11-17
得票数 2
回答已采纳
1
回答
当你
在
R中
进行
主
成分
分析
时
,如何判断首先标准化数据矩阵是否更好?
、
、
、
我试着
在
R中做主
成分
分析
。我相信有两种方法可以做到。一种是立即
进行
主
成分
分析
,另一种方法是首先使用s=scale(M)对矩阵
进行
标准化,然后应用
主
成分
分析
。我注意到没有标准化
的
第一个pca
的
方差比例有更大
的
值。这有
什么</e
浏览 3
提问于2009-11-22
得票数 3
1
回答
CBOW与建立PMI矩阵并利用PCA
进行
降阶有何不同?
、
、
基于
主
成分
分析
(PCA)
的
PMI矩阵和约简:根据两个单词
出现
在一起
的
次数(
在
某个预定义
的
窗口中),以及单个词
的
频率,构建PMI矩阵。然后利用PCA对其
进行
约简,得到语料库中每个词
的
密集表示,从而能够捕捉到文本
的
一些语义。 CBOW:通过神经网络学习单词表示,其最终目标是最大限度地提高正确单词对
的
概率。通过计算一个单词
在
训练数据中
出现</e
浏览 0
提问于2021-08-22
得票数 0
2
回答
在
PCA中选择K-分量后,如何找出算法选择
了
哪些组件(列
的
名称)?
、
、
、
我是数据科学
的
新手,我需要一些帮助来理解PCA,我知道每个列都是一个轴,但是当PCA完成,组件被降到某个k值
时
,如何知道所有列都被选中了?
浏览 0
提问于2019-05-26
得票数 2
回答已采纳
2
回答
pandas dataframe fillna()不工作吗?
、
、
、
我有一个正在执行
主
成分
分析
(PCA)
的
数据集。当我尝试转换数据
时
,收到一条ValueError消息。以下是部分代码:import numpy as npfrom
sklearn
.preprocessing import= sklearnPCA(n_components=2)正是在这里,我得到了以下
错误<
浏览 3
提问于2016-08-28
得票数 5
1
回答
对PCA前标准化
的
困惑
、
、
、
使用GridSearchCV,我想研究
在
主
成分
分析
之后,模型
在
不同维数下
的
表现。我还发现
了
一个
sklearn
,它做
的
事情几乎一样。如果我正确地理解了这一点,图像显示,
主
成分
1和2应该解释数据
的
主要部分,因为有
了
这两个部分,损失几乎是最小
的
。增加更多
的
主
成分
并不能真正改善结果,因此它们对解释方
浏览 9
提问于2022-01-20
得票数 2
1
回答
ValueError:数组不能包含infs或NaNs
、
我使用来自
sklearn
.decomposition
的
主
成分
分析
来减少数据维数。数组中
的
最小值为0.0,最大值为1.7976931348623157e+308。数组不包含infs或NaNs,但我得到了一个
错误
。ValueError: array must not contain infs or NaNs 我一直
在
寻找这个
错误
的
原因,发现没有
什么
对我有用
的
。我认为数组中
的</
浏览 0
提问于2019-10-25
得票数 0
2
回答
sklearn
PCA.transform给出了不同试验
的
不同结果
、
、
我正在用
sklearn
.decomposition.PCA
进行
主
成分
分析
,我发现如果输入矩阵X很大,两个不同
的
PCA.transform实例
的
结果就不一样
了
。例如,当X是一个100x200矩阵
时
,就没有问题了。当X是1000x200或100x2000矩阵
时
,两个不同
的
PCA实例
的
结果将不同。我不知道这是
什么
原因:我想在
sklearn
的</
浏览 1
提问于2018-01-05
得票数 1
回答已采纳
点击加载更多
扫码
添加站长 进交流群
领取专属
10元无门槛券
手把手带您无忧上云
相关
资讯
主成分分析:Python
常见的降维技术比较:能否在不丢失信息的情况下降低数据维度
机器学习100天-Day1902降维
干货笔记:特征选择与自动化实现
机器学习—SKlearn库
热门
标签
更多标签
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM
活动推荐
运营活动
广告
关闭
领券