本文整理汇总了Python中sklearn.decomposition.PCA.score_samples方法的典型用法代码示例。如果您正苦于以下问题：Python PCA.score_samples方法的具体用法？Python PCA.score_samples怎么用？Python PCA.score_samples使用的例子？那么, 这里精选的方法代码示例或许可以为您提供帮助。您也可以进一步了解该方法所在类sklearn.decomposition.PCA的用法示例。
在下文中一共展示了PCA.score_samples方法的2个代码示例，这些例子默认根据受欢迎程度排序。您可以为喜欢或者感觉有用的代码点赞，您的评价将有助于系统推荐出更棒的Python代码示例。
示例1: pca_analysis
# 需要导入模块: from sklearn.decomposition import PCA [as 别名]
# 或者: from sklearn.decomposition.PCA import score_samples [as 别名]
def pca_analysis():
for D in range(1,13):
data_train, targets_train = data_parser(num_in_samples=20000)
pca = PCA(n_components=D)
pca.fit(data_train)
# print(pca.explained_variance_ratio_)
print(pca.score_samples(data_train))示例2: test_probabilistic_pca_vs_pca
# 需要导入模块: from sklearn.decomposition import PCA [as 别名]
# 或者: from sklearn.decomposition.PCA import score_samples [as 别名]
def test_probabilistic_pca_vs_pca():
"""Test that PCA matches ProbabilisticPCA with homoscedastic=True
"""
n, p = 100, 3
rng = np.random.RandomState(0)
X = rng.randn(n, p) * .1 + np.array([3, 4, 5])
pca = PCA(n_components=2).fit(X)
ppca = ProbabilisticPCA(n_components=2).fit(X)
assert_array_almost_equal(pca.score_samples(X), ppca.score(X))