(sklearn)线性判别分析LinearDiscriminantAnalysis
来源:互联网 发布:win7系统数据恢复 编辑:程序博客网 时间:2024/06/05 14:46
class sklearn.discriminant_analysis.
LinearDiscriminantAnalysis
(solver=’svd’, shrinkage=None, priors=None, n_components=None, store_covariance=False, tol=0.0001)
参数:
solver:一个字符串,指定了求解最优化问题的算法,可以为如下的值。
- 'svd':奇异值分解。对于有大规模特征的数据,推荐用这种算法。
- 'lsqr':最小平方差,可以结合skrinkage参数。
- 'eigen' :特征分解算法,可以结合shrinkage参数。
skrinkage:字符串‘auto’或者浮点数活者None。该参数通常在训练样本数量小于特征数量的场合下使用。该参数只有在solver=lsqr或者eigen下才有意义
- '字符串‘auto’:根据Ledoit-Wolf引理来自动决定shrinkage参数的大小。
- 'None:不使用shrinkage参数。
- 浮点数(位于0~1之间):指定shrinkage参数。
priors:一个数组,数组中的元素依次指定了每个类别的先验概率。如果为None,则认为每个类的先验概率都是等可能的。
n_components:一个整数。指定了数组降维后的维度(该值必须小于n_classes-1)。
store_covariance:一个布尔值。如果为True,则需要额外计算每个类别的协方差矩阵。
warm_start:一个布尔值。如果为True,那么使用前一次训练结果继续训练,否则从头开始训练。
tol:一个浮点数。它指定了用于SVD算法中评判迭代收敛的阈值。
返回值
coef_:权重向量。
intercept:b值。
covariance_:一个数组,依次给出了每个类别烦人协方差矩阵。
means_:一个数组,依次给出了每个类别的均值向量。
xbar_:给出了整体样本的均值向量。
n_iter_:实际迭代次数。
方法
fix(X,y):训练模型。
predict(X):用模型进行预测,返回预测值。
score(X,y[,sample_weight]):返回(X,y)上的预测准确率(accuracy)。
predict_log_proba(X):返回一个数组,数组的元素一次是 X 预测为各个类别的概率的对数值。
predict_proba(X):返回一个数组,数组元素一次是 X 预测为各个类别的概率的概率值。
predict_proba(X):返回一个数组,数组元素一次是 X 预测为各个类别的概率的概率值。
官方说明:http://scikit-learn.org/stable/modules/generated/sklearn.discriminant_analysis.LinearDiscriminantAnalysis.html#sklearn.discriminant_analysis.LinearDiscriminantAnalysis
阅读全文
0 0
- (sklearn)线性判别分析LinearDiscriminantAnalysis
- sklearn文档 — 1.2. 线性与二次判别分析法
- 线性判别分析
- 线性判别分析
- 线性判别分析
- 线性判别分析
- 线性判别分析
- 线性判别分析
- 线性判别分析
- 机器学习应用——sklearn自带数据集训练(线性判别分析)
- 用Sklearn做判别分析(分类)
- 线性判别分析(LDA)
- LDA 线性判别分析
- 线性判别分析LDA
- LDA 线性判别分析
- 线性判别分析(LDA)
- 线性判别分析 (LDA)
- 线性判别分析(LDA)
- 集成GoogleMap正确的签名打包姿势
- qt 遍历目录
- JavaScript Table排序
- 剑指Offer(五)用两个栈实现队列
- BZOJ 4589 Hard Nim(博弈论+FWT+快速幂)
- (sklearn)线性判别分析LinearDiscriminantAnalysis
- 面试题:fun(484)的返回值是
- Python 正则表达式 关于邮箱地址
- latex算法书写
- p2p项目总结
- mysql日期时间操作函数详解
- 【SpringMVC】文件上传Expected MultipartHttpServletRequest: is a MultipartResolver错误解决
- Testing Round #14 (Unrated) A
- POJ 刷题系列:1860. Currency Exchange