知识卡片
PCA拟合与投影操作
使用 PCA 时可指定 n_components,然后仅在训练集上 fit,再对训练和新数据调用 transform,得到主成分坐标。whiten 是可选设置,会改变输出尺度,并非取得最佳结果的必备条件;应依据任务和当前版本文档判断。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- scikit-learn · 查看原书依据
pca = PCA(n_components=2, whiten=True)
参考来源
- 位置:《深度学习:从基础到实践(上下册)》第15章《scikit-learn》(来源项目 `extracted/深度学习:从基础到实践(上下册)/_epub-src/text/part0022_split_007.html`)
- 结论依据:原文演示 PCA 和 AdaBoost 的拟合流程;卡片对版本与白化条件作限定。
- 原始内容:pca = PCA(n_components=2, whiten=True) pca.fit(blob_data) reduced_blob = pca.transform(blob_data) 结果如图15.14所示。