Python sklearn PLSSVD用法及代码示例

本文简要介绍python语言中 sklearn.cross_decomposition.PLSSVD 的用法。

用法:

class sklearn.cross_decomposition.PLSSVD(n_components=2, *, scale=True, copy=True)

偏最小二乘 SVD。

该转换器仅对交叉协方差矩阵 X'Y 执行 SVD。它能够投影训练数据 X 和目标 Y 。训练数据 X 投影在左奇异向量上，而目标投影在右奇异向量上。

在用户指南中阅读更多信息。

参数：

n_components：整数，默认=2

要保留的组件数。应该在 [1, min(n_samples, n_features, n_targets)] 中。

scale：布尔，默认=真

是否缩放 X 和 Y 。

copy：布尔，默认=真

是否在应用居中和可能缩放之前复制 X 和 Y 以适应。如果 False ，这些操作将在原地完成，同时修改两个数组。

属性：

x_weights_：ndarray 形状(n_features，n_components)

互协方差矩阵的 SVD 的左奇异向量。用于在 transform 中投影 X 。

y_weights_：(n_targets，n_components)的ndarray

互协方差矩阵的 SVD 的右奇异向量。用于在 transform 中投影 X 。

x_scores_ndarray 形状(n_samples，n_components)

已弃用：属性 x_scores_ 在 0.24 版本中已弃用，并将在 1.1 中删除(重命名为 0.26)。

y_scores_ndarray 形状(n_samples，n_components)

已弃用：属性 y_scores_ 在 0.24 版本中已弃用，并将在 1.1 中删除(重命名为 0.26)。

n_features_in_：int

拟合期间看到的特征数。

feature_names_in_：ndarray 形状(n_features_in_，)

拟合期间看到的特征名称。仅当 X 具有全为字符串的函数名称时才定义。

例子：

>>> import numpy as np
>>> from sklearn.cross_decomposition import PLSSVD
>>> X = np.array([[0., 0., 1.],
...               [1., 0., 0.],
...               [2., 2., 2.],
...               [2., 5., 4.]])
>>> Y = np.array([[0.1, -0.2],
...               [0.9, 1.1],
...               [6.2, 5.9],
...               [11.9, 12.3]])
>>> pls = PLSSVD(n_components=2).fit(X, Y)
>>> X_c, Y_c = pls.transform(X, Y)
>>> X_c.shape, Y_c.shape
((4, 2), (4, 2))