我现在正在尝试分解数据。下面是我的代码：import xlrdimport numpy as np inputData[curr_row - 1, col_ind] = el.value
pca= PCA(n_components=3)
newData =
浏览 2提问于2018-02-11得票数 1
1回答
我正在寻找一种方法来运行spark.ml.feature.PCA函数，该函数是在数据访问上的groupBy()调用返回的分组数据上运行的。但我不确定这是否可能，也不知道如何实现。= PCA(k=1, inputCol="features", outputCol="component")
此时，我有了想要使用的dataframe和pca对象。我现在想对数据进行PCA</e
浏览 6提问于2017-07-21得票数 10
10回答
我有一个(26424 X 144)数组，我想使用Python对它执行PCA。然而，网络上并没有特定的地方来解释如何完成这个任务(有些网站只是根据自己的网站做PCA -我找不到通用的方法来做这件事)。
浏览 6提问于2012-11-05得票数 77
回答已采纳
1回答
我正在使用Python中的sklearn来进行主组件分析。为了计算原始数据和重建数据之间的差异，我做了如下工作：
differenceMatrix=parkinsonData-reconstruct4现在我有了差异，但我想计算数据丢失尊重
浏览 1提问于2017-04-24得票数 1
回答已采纳
1回答
我对一些数据做了PCA，我想提取PCA矩阵。这是我的代码(不包括加载数据)：pca = PCA(n_components=5)M = pca.components_
我认为M应该是P
浏览 4提问于2020-04-18得票数 0
回答已采纳
将我的数据拟合到X= my data之后pca.fit(X)现在X_pca有了一个维度。当我根据定义执行反变换时，它不是应该返回到原始数据，即X，2-D数组吗？当我这样做的时候我得到相同
浏览 0提问于2019-04-05得票数 7
回答已采纳
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。StandardScalerY = data.ix[:,1000].values # values of bina
浏览 3提问于2016-08-28得票数 5
这里有我的代码，它循环遍历每个标签或类别，然后用它创建一个模型。然而，我想要的是创建一个能够接受用户输入的新预测的通用模型。
我知道下面的代码保存了适合循环中最后一个类别的模型。如何解决这个问题，以便保存每个类别的模型，以便在加载这些模型时，能够预测新文本的标签？
浏览 0提问于2018-12-27得票数 0
回答已采纳
这是我的密码import numpy as npfrom mpl_toolkits.mplot3d importAxes3Dfrom sklearn import datasets
pca = decompositi
浏览 1提问于2016-09-20得票数 0
1回答
我想在一个模型中解释回归模型的权重，其中输入的数据已经用PCA进行了预处理。在现实中，我有100多个输入维，它们高度相关，所以我知道PCA是有用的。不过，为了说明起见，我将使用虹膜数据集。下面的学习代码说明了我的问题：import sklearn.datasets, sklearn.decomposition
from sklearn.lin
浏览 0提问于2019-03-13得票数 1
1回答
基本分类问题
、、、
我想知道如何在使用PCA或规范化以及其他类似于分类的方法来管理测试数据，因为我们的模型工作在输入向量的表示上。例如，假设您在您的训练数据集中使用了PCA以获得更高的精度，或者您已经标准化(最小-最大)数据。现在，您已经开发了一个模型，并希望安装它并标记新的示例。您需要以某种方式将PCA应用于每个即将到来的记录，并将该记录规范化。将PCA应用于一个
浏览 0提问于2018-04-18得票数 2
回答已采纳
我正在对以下数据(代码中提供)实现PCA。我选择了两个组件，它们的输出格式为x1、y1、x2、y2等。然后，我想将这两台PC (a)绘制在一个图上(如下面的代码所示)，但是我想根据未转换数据( data )中的字母对它们进行颜色编码。例如，观察x1，y1最初被指定为"A“，因此我希望它是与具有相应"B”和"C“标签的颜色不同的颜色。我认为字典是合适的，但不确定如何将原始数据</e
浏览 2提问于2017-07-27得票数 0
我是一个Matlab用户，我正在学习Python和sklearn库。我想翻译一下这个Matlab代码对于coeff，我在Python中尝试过这样的方法：import numpy as nppca.fit(X)
coeff = print(np.transpose(pca.componen
浏览 1提问于2019-04-04得票数 2
回答已采纳
1回答
多维数据k均值聚类后的主成分分析
、、、、
我有以下10个变量的数据集：我想用这个多维数据集来识别集群，所以我尝试使用以下代码来实现k均值聚类算法：results = pd.DataFrame(reduced_data,columns=['pca1','pca2'with 2
浏览 9提问于2021-10-24得票数 1
回答已采纳
我正在尝试使用sklearn的PCA功能将我的数据减少到2维。但是，我注意到，当我使用fit_transform()函数执行此操作时，结果与将components_属性与输入数据相乘的结果不匹配。为什么这些不相配呢？哪个结果是正确的？def test_pca_fit_transform(self):
from sklearn.decomposition import <em
浏览 5提问于2015-10-07得票数 1
2回答
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，SVD和PCA比较接近。但与“特征面”方
浏览 2提问于2017-11-17得票数 2
回答已采纳
2回答
线性判别分析逆变换
、、、
我尝试使用从科学学习图书馆，以执行降维我的数据，其中有200多个功能。但是我在LDA类中找不到inverse_transform函数。我认为“原始数据”这个术语是错误的，我应该使用“原始坐标”或“原始空间”。我知道如果没有所有的PCA，我们就无法重建原始数据，但是当我们构建形状空间时，我们会借助PCA将<e
浏览 4提问于2017-03-22得票数 4
回答已采纳
我在Scikit中探索PCA -学习( Python 3上的0.20)使用Pandas来构造我的数据。当我应用测试/训练分割(仅当)时，我的输入标签似乎不再匹配PCA输出。import pandasfrom matplotlib import pyplot data = sklearn.datase
浏览 1提问于2018-11-01得票数 1
回答已采纳
1回答
我的问题是：pca中的“特征提取”与“特征选择”有何不同？我的意思是，这两件事与不同的方式有关。如何利用pca
浏览 0提问于2019-04-28得票数 1
回答已采纳
1回答
我有一组“二维”数据，我必须用PCA分解来研究。然后，我将"Data.txt“的散点图与mlab发现的主成分(存储在result.Wt中)进行了比较。结果如下：import numpy as np
dat
浏览 2提问于2017-02-28得票数 0
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
热门标签
云服务器
ICP备案
腾讯会议
云直播
对象存储活动推荐
腾讯云开发者
