在应用线性回归之前,我想使用主成分分析来减少一些噪音。
我有1000个样品和200个特征
import numpy as np
from sklearn.linear_model import LinearRegression
from sklearn.decomposition import PCA
X = np.random.rand(1000,200)
y = np.random.rand(1000,1)
利用这些数据,我可以训练我的模型:
model.fit(X,y)
但如果我在应用主成分分析后也尝试同样的方法
pca = PCA(n_components=8)
pca.fit(X)
PCA(copy=True, iterated_power='auto', n_components=3, random_state=None,
svd_solver='auto', tol=0.0, whiten=False)
principal_components = pca.components_
model.fit(principal_components,y)
我得到这个错误:
ValueError: Found input variables with inconsistent numbers of samples: [8, 1000]
试试这个:
也就是说,您同时将PCA拟合到X并将其转换为(1000,8)个名为X_PCA的数组。这是你应该使用的,而不是pca.components\
相关问题 更多 >
编程相关推荐