PCA
共觞
潜龙勿用,见龙在田。
展开
-
TypeError: '>=' not supported between instances of 'str' and 'int' 利用PCA报错解决
CA为主成分分析库 导入方式:from sklearn.decomposition import PCA 其中默认有三个主要参数: n_components 此参数可以帮我们指定希望PCA降维后的特征维度数目,可以是int型的数字123,也可以是阈值百分比,类似98%,也可以指定为string类型,MLE copy 类型:bool,True或者False,缺省时默认为True,...转载 2018-07-16 17:27:16 · 10229 阅读 · 0 评论 -
scikit-learn中PCA的使用方法
scikit-learn中PCA的使用方法 1、函数原型及参数说明 sklearn.decomposition.PCA(n_components=None, copy=True, whiten=False) 参数说明: n_components: 意义:PCA算法中所要保留的主成分个数n,也即保留下来的特征个数n 类型:int 或者 string,缺省时默认为N...转载 2018-07-16 17:35:54 · 721 阅读 · 0 评论 -
实训2018-07-18 换种思路解决问题---利用lm()多元回归预测NBA胜负(常规赛16强预测)
先占个坑。原创 2018-07-18 20:44:53 · 1000 阅读 · 1 评论