线性判别分析 Sklearn

发布于 2025-01-09 19:48:51 字数 109 浏览 6 评论 0原文

我在数据集上运行 LDA,所有指标的结果都很好。然而,我似乎无法像 PCA 那样提取最重要的特征或负载。

有谁熟悉使用 sklearn python3 时从 LDA 中提取主要特征/负载吗?

I’m running LDA on a dataset and the outcome was good across all metrics. However I can’t seem to extract the top features or loadings like I can for PCA.

Is anyone familiar with extracting top features / loadings from LDA when using sklearn python3?

如果你对这篇内容有疑问,欢迎到本站社区发帖提问 参与讨论,获取更多帮助,或者扫码二维码加入 Web 技术交流群。

扫码二维码加入Web技术交流群

发布评论

需要 登录 才能够评论, 你可以免费 注册 一个本站的账号。

评论(1

叫思念不要吵 2025-01-16 19:48:52

试试这个:

import numpy as np

from sklearn.discriminant_analysis import LinearDiscriminantAnalysis as LDA

X = training_input

y = training_label.ravel()

clf = LDA(n_components=1)

clf.fit(X, y)

clf.coef_

beste_Merkmal = np.argsort(clf.coef_)[0][::-1][0:25]

print('beste_Merkmal =', beste_Merkmal)

try this:

import numpy as np

from sklearn.discriminant_analysis import LinearDiscriminantAnalysis as LDA

X = training_input

y = training_label.ravel()

clf = LDA(n_components=1)

clf.fit(X, y)

clf.coef_

beste_Merkmal = np.argsort(clf.coef_)[0][::-1][0:25]

print('beste_Merkmal =', beste_Merkmal)
~没有更多了~
我们使用 Cookies 和其他技术来定制您的体验包括您的登录状态等。通过阅读我们的 隐私政策 了解更多相关信息。 单击 接受 或继续使用网站,即表示您同意使用 Cookies 和您的相关数据。
原文