Python3.x中sklearn机器学习库中PCA参数问题
来源:互联网 发布:淘宝宝贝创建时间 编辑:程序博客网 时间:2024/06/07 04:51
PCA为主成分分析库
导入方式:from sklearn.decomposition import PCA
其中默认有三个主要参数:
n_components
此参数可以帮我们指定希望PCA降维后的特征维度数目,可以是int型的数字123,也可以是阈值百分比,类似98%,也可以指定为string类型,MLE
copy
类型:bool,True或者False,缺省时默认为True,
意义:表示是否在运行算法时,将原始数据复制一份。如果为True,则运行PCA算法后,原始数据的值不会有任何改变。因为是在原始数据的副本上进行运算的。
whiten
类型:bool,缺省时默认为False
意义:白化,目的是每个特征具有相同的方差。
svd_solver
指定奇异值分解SVD的方法,有4个可以选择的值:{‘auto’, ‘full’, ‘arpack’, ‘randomized’,}具体详见【http://www.cnblogs.com/pinard/p/6243025.html】
但是在pca = PCA(n_components = 'mle')(MLE即极大似然估计)时报错
TypeError: '>=' not supported between instances of 'str' and 'int'
通过查看help(PCA)发现,当n_components == 'mle'时,需要和参数svd_solver一起使用,且svd_solver需要选择full参数
即pca = PCA(n_components = 'mle',svd_solver='full')才可执行成功
阅读全文
0 0
- Python3.x中sklearn机器学习库中PCA参数问题
- 机器学习(28)【降维】之sklearn中PCA库讲解与实战
- 机器学习教程 之 SKlearn 中 PCA 算法的运用:人脸识别实例
- sklearn机器学习库中数据的标准化
- 【降维】之sklearn中PCA库讲解与实战
- PCA(sklearn参数详解)
- 【机器学习】Sklearn库主成分分析PCA降维的运用实战
- Python-sklearn学习中碰到的问题
- python中sklearn机器学习实现的博客
- 测试sklearn包中常用的机器学习算法
- sklearn中KMeans学习
- 在Python3.x 中lambda中不准使用括号参数
- Python的机器学习库Sklearn中重要模块及其常用函数整理
- 机器学习:R包与python的sklearn库中默认决策树模型的区别
- 机器学习中PCA和ICA的理解
- 机器学习中PCA和ICA的理解
- 机器学习中PCA和ICA的理解
- 机器学习中PCA和ICA的理解
- NoSql对于事务的支持
- HDU 1757 A Simple Math Problem(构造矩阵)
- 《蓝牙4.0实战演练》第二版 网蜂团队 倾力打造(2014-3-6)
- Android N混合使用AOT编译,解释和JIT三种运行时
- JSP学习笔记(二)之JSP动作
- Python3.x中sklearn机器学习库中PCA参数问题
- ShareSDKUtils,封装的分享工具类,使用默认的GUI或者自定义分享某个平台
- [NOIP提高组2000]单词接龙
- nyoj746 整数划分(四)
- C# DevExpress实现搜索智能提示功能
- java下划线命名转驼峰命名
- HDU 1540 Tunnel Warfare线段树解法及分块解法
- hdu6016二分图思路
- Linux下glib源码安装使用方法