SciKit-Learn:基本的PCA混淆

、

我正在尝试使用SciKit-Learn在我的数据集上执行PCA。我目前有2,208行和53,741列(特性)。因此，我想使用PCA来降低这个数据集的维数。我在关注Hands-On Machine Learning with SciKit-Learn and TensorFlowX_reduced = <

浏览 7提问于2017-07-06得票数 2

回答已采纳

1回答

TypeError: PCA()得到了一个意外的关键字参数'n_components‘

、、

嗨，我正在尝试实现PCA()，但是我收到了一个错误，‘ #Principal component analysis pca = PCA(n_components=2) plot

浏览 0提问于2019-02-18得票数 2

回答已采纳

1回答

Python sklearn转换函数输出不匹配

、、

我使用10个组件和10个组件中的3个来计算某些数据的PCA值，如：trained=transformer.fit(train) -8.83328996e-05, -2.25542180e-03]])transformer = PCA(n_components=3) trained=transformer.fit(trai

浏览 0提问于2019-07-10得票数 1

1回答

特征面法

、

为什么我们不使用相似性度量来找到未知图像和训练数据集中的图像之间的最佳匹配呢？

浏览 14提问于2017-08-05得票数 0

1回答

如何使用PCA和scikit-learn进行标准化

、

基本上，我想知道的是:我是否应该这样做，new=pca.transform(normalize(x))pca.fit(normalize(x))new=pca.transform(x) 我知道我们应该在使用PCA之前对我们的数据进行标准化，但是对于sklearn，上面的哪一个过程是正确的？

浏览 0提问于2014-08-25得票数 11

回答已采纳

1回答

scikits学习pca降维问题

、、、

我在使用scikit-learn和PCA进行降维时遇到了问题。pca.fit(train) pca.n_components =

浏览 1提问于2013-03-15得票数 3

1回答

传入PCA函数的数据矩阵是否需要包含响应向量？

、、、

我有一个数据的训练矩阵(大约15个特征和长度行)和一个结果/响应向量(500+ 500+ )，其值对应于这些行。基本上，它是一个android传感器数据矩阵，对应于弧度测量(我正在尝试使用传感器数据来预测移动方向)。但它所要求的似乎只是数据矩阵；没有为数据输入响应向量的选项(或者我是否将响应向量包含在数据矩阵中？)。据

浏览 0提问于2015-10-25得票数 0

4回答

scikit学习内核PCA解释的方差

、

我一直在使用scikit-learn中的普通PCA，并获得每个主成分的方差比，没有任何问题。pca = sklearn.decomposition.PCA(n_components=3)var_values= pca.explained_variance_ratio_ 我想使用内核PCA探索不同的内核，也

浏览 3提问于2015-04-14得票数 24

1回答

我使用的是python和Olivetti数据集(有很多64x64灰度人脸图像)。我正在创建一个20x4096的矩阵，其中每行都是一个样本(我选择了20个样本作为训练集)，每列都是一个介于0和255之间的值，代表所有的64x64像素。在这个矩阵中做了PCA之后，我得到了大约10个特征向量(每个特征向量有4096个槽)。特征向量都是标准化的(意味着它们的长度是1)。特征向量如何表示特征脸？它的所有值都在0.001左右。

浏览 24提问于2021-08-24得票数 0

1回答

scikit学习PCA降维-大量特征和少量样本的数据

、、

我正在尝试使用scikit-learn中的PCA进行降维。我的数据集大约有300个样本和4096个特征。我想将维度减少到400和40。但是，当我调用该算法时，得到的数据最多只有“样本数”的特征。from sklearn.decomposition import PCA trainData = pca.fit_transform(trainData) tes

浏览 0提问于2014-03-21得票数 1

1回答

绘制我们的PCA的累积解释方差

、

任务如下：pca.fit(scaled_train_features) 16

浏览 0提问于2018-10-26得票数 5

3回答

如何使用scikit-learn PCA进行特征约简，并知道哪些特征被丢弃

、、、、

我尝试在一个维度为m x n的矩阵上运行PCA，其中m是特征的数量，n是样本的数量。from sklearn.decomposition import PCA pca = PCA(n_components=nf) # Xis the matrix transposed (n samples on the rows, m features

浏览 0提问于2014-04-25得票数 26

回答已采纳

1回答

如何对我刚刚在中积累的数据进行主成分分析？

、、

我有一系列的函数来处理来自.csv文件(由一组DNA序列组成)的一些输入数据。来计算每个评分参数的特征值，并比较各参数对数据的影响。我试着这样做，实施：pca= mlab.PCA(df, standardize=True，但我似乎无法查看它的内容，也无法让它在我的Pandas dataframe的新列中打印值。我知道有几个

浏览 3提问于2017-03-29得票数 0

1回答

减少拥抱变形金刚中隐藏单位的数量(BERT)

、、、、

我得到了一个很大的csv，每一行都是一组BERT令牌，由hugging face BertTokenizer (https://huggingface.co/transformers/main_classes此文件中的1行代码如下： 101, 108, 31278, 90939, 70325, 196, 199, 71436, 10107, 29190, 10107, 106, 16680, 68314,120, 120, 188, 119, 11170, 120, 162, 11211, 11703, 12022,

浏览 14提问于2020-04-07得票数 1

回答已采纳

1回答

如何将相同的PCA应用于训练和测试集

例如，我正在将PCA应用于我的训练集，并希望使用SVM进行分类。如何在测试集中自动拥有相同的功能？(与PCA之后的新训练集相同)。

浏览 80提问于2019-03-31得票数 2

回答已采纳

1回答

手动PCA逆变换

、、、

我正在使用scikit-learn。我的应用程序的性质是，我离线进行拟合，然后只能在线(即时)使用结果系数，以手动计算各种目标。变换很简单，它只是data * pca.components_，即简单的点积。但是，我不知道如何执行逆变换。pca对象的哪个字段包含反变换的相关系数？如何计算逆变换？具体地说，我指的是sklearn.decomposition.PCA package中可用的PCA.inve

浏览 1提问于2015-09-24得票数 13

回答已采纳

1回答

PCA上的组件数量受样本数量的限制

、、、

我正在使用sklearn做PCA，我正在用一些虚拟数据测试函数，当我有比我想使用的组件数量更多的样本时，它工作得很好：import(components))从上面的代码中，我得到了一个10*8矩阵。X_pca.shape但对于相同的数据，如果我尝试保留15个组件： f

浏览 3提问于2017-02-04得票数 0

2回答

如何使用sklearn获得所有三个SVD矩阵？

、、、、

大小为(M,N)的矩阵M的表示因式分解如何从scikit-learn和numpy包中获取所有三个矩阵？我想我可以用获取Sigmafrom sklearn.decomposition import PCA model = PCA(N, copy=True, random_state

浏览 5提问于2017-08-24得票数 2

2回答

在矩阵上使用降维

、、、

对于有监督的学习，我的矩阵大小真的很大，因此只有某些模型同意与它一起运行。我读到PCA可以在很大程度上帮助降低维数。下面是我的代码： output = subprocess.check_output(command, shell=True)print("Train Label size:")我希望将主成分分析应用于matrix

浏览 5提问于2016-01-16得票数 1

1回答