python sklearn包中的主成分分析_利用sklearn对大型稀疏矩阵进行主成分分析

我试图将主成分分析应用于大型稀疏矩阵，在下面的链接中，它说明sklearn的randomizedPCA可以处理scipy稀疏格式的稀疏矩阵。

Apply PCA on very large sparse matrix

但是，我总是犯错误。有人能指出我做错了什么吗。

输入矩阵“X_train”包含float64中的数字：>>>type(X_train)

>>>X_train.shape

(2365436, 1617899)

>>>X_train.ndim

2

>>>X_train[0]

<1x1617899 sparse matrix of type ''

with 81 stored elements in Compressed Sparse Row format>

我想做的是：>>>from sklearn.decomposition import RandomizedPCA

>>>pca = RandomizedPCA()

>>>pca.fit(X_train)

Traceback (most recent call last):

File "", line 1, in

File "/home/RT11/.pyenv/versions/2.7.9/lib/python2.7/site-packages/sklearn/decomposition/pca.py", line 567, in fit

self._fit(check_array(X))

File "/home/RT11/.pyenv/versio