Python sklearn PLSSVD用法及代碼示例

本文簡要介紹python語言中 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。

該轉換器僅對交叉協方差矩陣 X'Y 執行 SVD。它能夠投影訓練數據 X 和目標 Y 。訓練數據 X 投影在左奇異向量上，而目標投影在右奇異向量上。

在用戶指南中閱讀更多信息。

參數：

n_components：整數，默認=2

要保留的組件數。應該在 [1, min(n_samples, n_features, n_targets)] 中。

scale：布爾，默認=真

是否縮放 X 和 Y 。

copy：布爾，默認=真

是否在應用居中和可能縮放之前複製 X 和 Y 以適應。如果 False ，這些操作將在原地完成，同時修改兩個數組。

屬性：

x_weights_：ndarray 形狀(n_features，n_components)

互協方差矩陣的 SVD 的左奇異向量。用於在 transform 中投影 X 。

y_weights_：(n_targets，n_components)的ndarray

互協方差矩陣的 SVD 的右奇異向量。用於在 transform 中投影 X 。

x_scores_ndarray 形狀(n_samples，n_components)

已棄用：屬性 x_scores_ 在 0.24 版本中已棄用，並將在 1.1 中刪除(重命名為 0.26)。

y_scores_ndarray 形狀(n_samples，n_components)

已棄用：屬性 y_scores_ 在 0.24 版本中已棄用，並將在 1.1 中刪除(重命名為 0.26)。

n_features_in_：int

擬合期間看到的特征數。

feature_names_in_：ndarray 形狀(n_features_in_，)

擬合期間看到的特征名稱。僅當 X 具有全為字符串的函數名稱時才定義。

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))