2

编辑：

这是数据csv的头部：

    Fresh   Milk    Grocery Frozen  Detergents_Paper    Delicatessen
0   12669   9656    7561    214 2674    1338
1   7057    9810    9568    1762    3293    1776
2   6353    8808    7684    2405    3516    7844
3   13265   1196    4221    6404    507 1788
4   22615   5410    7198    3915    1777    5185

我看到的错误：

TypeError: unsupported operand type(s) for *: 'PCA' and 'float'

代码：

from sklearn.decomposition import PCA

log_data = np.log(data)

# TODO: Apply PCA to the good data with the same number of dimensions as features
pca = PCA(n_components=4)

# TODO: Apply a PCA transformation to the sample log-data
pca_samples = pca.fit(log_data)

# Generate PCA results plot
pca_results = rs.pca_results(good_data, pca)

display(pd.DataFrame(np.round(pca_samples, 4), columns = pca_results.index.values))

它在抱怨最后一行

数据来自已证明可以正常工作的 csv。

4

3 回答 3

2

pca.fit(X[, y])只需用 X 拟合模型，然后返回selfpca 本身。

既然你想得到转换后的数据

pd.DataFrame(np.round(pca_samples, 4), columns = pca_results.index.values))

所以，你应该打电话pca.fit_transform()

fit_transform(X[, y]) 用 X 拟合模型并对 X 应用降维。

请参阅pca和fit_transform的文档

于 2016-11-09T04:18:08.193 回答
0

PCA.fit()就地转换模型并返回self，以便您可以链接其他模型操作。所以，之后

pca_samples = pca.fit(log_data)

pca_samples只是另一个参考pca。

于 2016-10-03T20:15:51.443 回答
0

要使您的代码正常工作，请参阅下面的测试代码和您应该更改的行！

#TODO: Transform log_samples using the PCA fit above

pca_samples = pca.fit_transform(log_samples)

上面的代码效果很好。

于 2018-10-11T13:28:10.963 回答