[英]Why Sklearn PCA needs more samples than new features(n_components)?
当使用像这样的Sklearn PCA算法时
x_orig = np.random.choice([0,1],(4,25),replace = True)
pca = PCA(n_components=15)
pca.fit_transform(x_orig).shape
我得到输出
(4, 4)
我期望(希望)它是:
(4,15)
我明白为什么会发生这种情况。 在sklearn( 这里 )的文档中,它说(假设他们的'=='是赋值运算符):
n_components == min(n_samples, n_features)
但他们为什么要这样做呢? 另外,如何直接将形状[1,25]的输入转换为[1,10](不叠加虚拟数组)?
每个主成分是数据在数据协方差矩阵的特征向量上的投影。 如果样本n比特征少,则协方差矩阵只有n个非零特征值。 因此,只有n个有意义的特征向量/组件。
原则上,可能有比样品更多的组件,但多余的组件将是无用的噪音。
Scikit-learn会引发错误而不是默默地做任何事情 。 这可以防止用户在脚下射击。 样本少于特征可能表明数据存在问题,或者对所涉及的方法存在误解。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.