用scikit-learn进行LDA降维

最新推荐文章于 2024-05-30 16:02:36 发布
最新推荐文章于 2024-05-30 16:02:36 发布
阅读量1.1w 收藏 19
点赞数 1
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/lhz76ttw1u/article/details/60768981
版权

1. 对scikit-learn中LDA类概述

　　　　在scikit-learn中， LDA类是sklearn.discriminant_analysis.LinearDiscriminantAnalysis。那既可以用于分类又可以用于降维。当然，应用场景最多的还是降维。和PCA类似，LDA降维基本也不用调参，只需要指定降维到的维数即可。

2. LinearDiscriminantAnalysis类概述

　　　　我们这里对LinearDiscriminantAnalysis类的参数做一个基本的总结。

　　　　1）solver : 即求LDA超平面特征矩阵使用的方法。可以选择的方法有奇异值分解"svd"，最小二乘"lsqr"和特征分解"eigen"。一般来说特征数非常多的时候推荐使用svd，而特征数不多的时候推荐使用eigen。主要注意的是，如果使用svd，则不能指定正则化参数shrinkage进行正则化。默认值是svd

　　　　2）shrinkage：正则化参数，可以增强LDA分类的泛化能力。如果仅仅只是为了降维，则一般可以忽略这个参数。默认是None，即不进行正则化。可以选择"auto",让算法自己决定是否正则化。当然我们也可以选择不同的[0,1]之间的值进行交叉验证调参。注意shrinkage只在solver为最小二乘"lsqr"和特征分解"eigen"时有效。

　　　　3）priors ：类别权重，可以在做分类模型时指定不同类别的权重，进而影响分类模型建立。降维时一般不需要关注这个参数。

　　　　4）n_components：即我们进行LDA降维时降到的维数。在降维时需要输入这个参数。注意只能为[1,类别数-1)范围之间的整数。如果我们不是用于降维，则这个值可以用默认的None。

　　　　从上面的描述可以看出，如果我们只是为了降维，则只需要输入n_components,注意这个值必须小于“类别数-1”。PCA没有这个限制。

3. LinearDisc

最低0.47元/天 解锁文章
lHz76ttw1U
关注
  • 1
    点赞
  • 踩
  • 19
    收藏
    觉得还不错? 一键收藏
  • 4
    评论
机器学习——降维算法-线性判别分析（LDA）
weixin_39753819的博客
03-29 1329
本文介绍了LDA算法的理论基础、算法过程、优缺点，以及与PCA算法的区别与联系。LDA算法能够有效地提取数据集的主要特征，并保留了数据集的类别信息，在某些情况下可以更好地适用于分类任务。通过Python实现了一个简单的LDA算法示例，展示了LDA的基本原理和应用。在实际应用中，我们可以根据具体问题的需求选择合适的降维方法来处理数据。
scikit-learn之降维之LDA
涛涛不绝蕾蕾于冬
04-28 1288
线性判别分析LDA原理总结 LDA 既可以用于分类又可以用于降维，应用场景最多的还是降维。和 PCA 类似，LDA 降维基本也不用调参，只需要指定降维到的维数即可。 class sklearn.discriminant_analysis.LinearDiscriminantAnalysis solver=’svd’：即求LDA超平面特征矩阵使用的方法。可以选择的方法有奇异值分解”svd”，最...
人工智能学习笔记（1）：了解sklearn
最新发布
superatom01的博客
05-30 1845
摘要：Sklearn是一个基于Python语言的开源机器学习库。全称Scikit-Learn，是建立在诸如NumPy、SciPy和matplotlib等其他Python库之上，为用户提供了一系列高质量的机器学习算法
机器学习之sklearn中的降维算法
CDA数据分析师
03-18 1040
1. PCA与SVD ​ sklearn中降维算法都被包括在模块decomposition中，这个模块本质是一个矩阵分解模块。在过去的十年中，如果要讨论算法进步的先锋，矩阵分解可以说是独树一帜。矩阵分解可以用在降维，深度学习，聚类分析，数据预处理，低纬度特征学习，推荐系统，大数据分析等领域。在2006年，Netflix曾经举办了一个奖金为100万美元的推荐系统算法比赛，最后的获奖者就使用了矩阵分解...
Python 之 sklearn 实现 PCA 降维
Ella.ting的专栏
09-17 2977
关于 PCA 算法的讲解文章不胜枚举，这里主要谈一谈 基于 Python 中 sklearn 模块的 PCA 算法实现。Explained Variance 累计贡献率 又名 累计方差贡献率 不要简单理解为 解释方差，它是 PCA 降维维度的重要指标，一般选取累计贡献率在90%左右的维度作为PCA 降维的参考维度。在识别算法的实现过程中，当我们求得某一数据库各类别特征参考维度时，取最大维度
scikit-learn线性判别实践 - 随机生成数的降维——python
Vicky
07-03 1442
利用 sklearn 构建 LDA 对数据进行降维。为了完成本关任务，你需要掌握：1. LinearDiscriminantAnalysis。LinearDiscriminantAnalysis 在降维时，LinearDiscriminantAnalysis 的构造函数中有一个常用的参数可以设置：LinearDiscriminantAnalysis 类中的 fit 函数用于训练模型，fit 函数有两个向量输入：X ：大小为**[样本数量,特征数量]**的 ndarray，存放训练样本；Y ：值为整...
scikit-learn库使用教程
02-26
在"scikit-learn库使用教程"中，你将学习如何充分利用这个库进行机器学习项目。 1. **基础概念**：首先，你需要了解机器学习的基本概念，如监督学习（包括分类和回归）、无监督学习（聚类和降维）以及半监督学习。...
python3.6及scikit-learn包
12-10
Scikit-learn提供了广泛的监督和无监督学习算法，包括分类、回归、聚类、降维和模型选择。该库易于使用，具有良好的文档支持，是初学者和专业数据科学家进行数据分析和建模的首选工具。其主要功能包括： 1. **分类*...
mastering machine learning with scikit-learn 源代码
11-07
5. 特征选择与降维：特征选择（SelectKBest、chi2）和降维技术（PCA、LDA）在源代码中也有体现，帮助我们理解如何减少数据复杂性，提高模型的泛化能力。 6. 验证与调参：交叉验证（CrossValidator）和网格搜索...
scikit-learn-benchmarks：scikit-learn asv基准测试的结果
02-09
Scikit-learn是Python中最流行的机器学习库之一，它提供了丰富的算法和工具，方便数据科学家进行预测建模、特征工程和模型评估等任务。`asv`（Accelerated Sklearn Version）是Scikit-learn社区用于性能基准测试的...
scikit-learn-0.19.1.tar.gz
02-25
例如，我们可以用scikit-learn训练一个简单的逻辑回归模型： ```python from sklearn.model_selection import train_test_split from sklearn.linear_model import LogisticRegression from sklearn.datasets ...
Python线性判别分析（LDA）——数据降维
bats的博客
01-27 3514
Python线性判别分析（LDA）——数据降维读取数据 附： Pandas文档链接 sklearn文档链接 读取数据 采用鸢尾花数据 数据链接https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data 数据集共3类，共有150条花的基本数据，三种花各50条，每条数据包括萼片长度，萼片宽度，花瓣长度，花瓣宽度4种特征 使用pandas读取数据集，代码： import pandas as pd # 显示所有列 pd.set
scikit-learn线性判别实践 - 随机生成数的降维
weixin_44291265的博客
04-05 591
scikit-learn线性判别实践 - 随机生成数的降维 任务描述 本关任务：利用 sklearn 构建 LDA 对数据进行降维。 相关知识 LinearDiscriminantAnalysis 在降维时，LinearDiscriminantAnalysis 的构造函数中有一个常用的参数可以设置： n_components：即我们进行 LDA 降维时降到的维数。在降维时需要输入这个参数。需要注意的是，n_components 值的范围是 1 到 类别数-1 之间的值。 LinearDiscrimina
python 降维lda算法的使用_sklearn LDA降维算法
weixin_39638048的博客
12-09 1213
sklearn LDA降维算法LDA(Linear Discriminant Analysis)线性判断别分析，可以用于降维和分类。其基本思想是类内散度尽可能小，类间散度尽可能大，是一种经典的监督式降维/分类技术。sklearn代码实现#coding=utf-8import pandas as pdimport matplotlib.pyplot as pltfrom sklearn.model_...
常见的11种降维算法的源代码(python)
yanta0的博客
06-14 3097
网上关于降维算法的资料一直是参差不齐，同时大部分资料也不提供算法的源代码，在此我实现了11种常见降维算法的代码，同时也给出了学习这些降维算法的资料连接，希望对学习降维算法的同学有一定的帮助。 降维算法 资料链接 展示 PCA https://blog.csdn.net/u013719780/article/details/78352262 https://blog.csdn.net...
LDA线性判别分析Python程序
水滴石穿
08-04 8004
理论讲解需要导入的包# -*- coding: utf-8 -*- import numpy as np import csv from matplotlib import pyplot as plt import math导入数据集def read_iris(): from sklearn.datasets import load_iris from sklearn import
Scikit-learn在深度学习的作用
05-25
Scikit-learn是一个用于数据挖掘和机器学习的Python库，它提供了许多常见的机器学习算法和工具，例如分类、回归、聚类、降维等。虽然Scikit-learn主要是用于传统机器学习算法，但它也可以在深度学习中发挥一定的作用。 具体来说，Scikit-learn可以与深度学习框架如TensorFlow、Keras和PyTorch等结合使用，以提供数据预处理、特征提取和模型评估等功能。例如，Scikit-learn提供了许多常用的数据预处理技术，如标准化、归一化和缺失值填充等，这些技术可以用于深度学习中的数据预处理。此外，Scikit-learn还提供了许多特征提取和选择技术，如主成分分析(PCA)和线性判别分析(LDA)，这些技术可以用于深度学习中的特征提取和选择。 最后，Scikit-learn还提供了许多模型评估技术，如交叉验证和网格搜索等，这些技术可以用于深度学习中的模型评估和调优。总的来说，Scikit-learn虽然不是专门为深度学习设计的库，但它在深度学习中提供了一些有用的工具和技术。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 4
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值