Python sklearn IncrementalPCA.transform用法及代碼示例

本文簡要介紹python語言中 sklearn.decomposition.IncrementalPCA.transform 的用法。

用法: transform(X)

對 X 應用降維。

如果 X 是稀疏的，則使用大小為 batch_size 的小批量將 X 投影到先前從訓練集中提取的第一個主成分上。

參數：

X：{類數組，稀疏矩陣}，形狀為 (n_samples, n_features): 新數據，其中n_samples是樣本數，n_features是特征數。

X_new：ndarray 形狀(n_samples，n_components): X 在第一主成分中的投影。

例子：

>>> import numpy as np
>>> from sklearn.decomposition import IncrementalPCA
>>> X = np.array([[-1, -1], [-2, -1], [-3, -2],
...               [1, 1], [2, 1], [3, 2]])
>>> ipca = IncrementalPCA(n_components=2, batch_size=3)
>>> ipca.fit(X)
IncrementalPCA(batch_size=3, n_components=2)
>>> ipca.transform(X)

相關用法

注：本文由純淨天空篩選整理自scikit-learn.org大神的英文原創作品 sklearn.decomposition.IncrementalPCA.transform。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。

用法:

參數：

返回：

例子：