使用scikit-learn进行LDA降维时出错

Question

使用scikit-learn进行LDA降维时出错

pythonpandasmachine-learningscikit-learn

3

我已经将此URL中的数据集导入到名为df的pandas数据框中： https://www.kaggle.com/jakeshbohaju/brain-tumor?select=Brain+Tumor.csv 但是，在运行线性判别分析时，我总是会出现底部显示的错误。

from sklearn.discriminant_analysis import LinearDiscriminantAnalysis
X = df.drop(['label','Image'], axis=1)
y = df[['label']]

lda = LinearDiscriminantAnalysis(n_components=2)
X_r2 = lda.fit(X, y).transform(X)

错误：

ValueError                                Traceback (most recent call last) <ipython-input-41-f7a0f19db224> in <module>
     25 lda = LinearDiscriminantAnalysis(n_components=2)
     26 lda2 = LinearDiscriminantAnalysis(n_components=2)
---> 27 X_r3 = lda2.fit(X_train,y_train.values.ravel()).transform(X_train)
     28 X_r2 = lda.fit(X, y).transform(X)
     29 

~/miniforge3/envs/pyM1/lib/python3.8/site-packages/sklearn/discriminant_analysis.py in fit(self, X, y)
    537         else:
    538             if self.n_components > max_components:
--> 539                 raise ValueError(
    540                     "n_components cannot be larger than min(n_features, "
    541                     "n_classes - 1)."

ValueError: n_components cannot be larger than min(n_features, n_classes - 1).

- scapiest

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- CypherX · Accepted Answer

解决方案

lda.fit(X, y) 没有返回任何内容，因此您无法调用名为 .transform() 的方法。API 只允许您调用已经定义的方法。请参阅文档。

将其更改为以下内容。我也鼓励您花更多时间阅读文档。

lda = LinearDiscriminantAnalysis(n_components=2)

# either use: lda.fit_transform(X, y)
X_r2 = lda.fit_transform(X, y)

## PREFERRED WAY
# or, use: lda.fit(X, y)
# followed by lda.transform(X)
lda.fit(X, y)
X_r2 = lda.transform(X)

参考文献

线性判别分析 - 文档