Question

Python LDA降维中不能输出指定维度（n_components）的新数据集

#LDA降维
from sklearn.discriminant_analysis import LinearDiscriminantAnalysis
lda = LinearDiscriminantAnalysis(n_components=30)
lda.fit(X_1,y_1)
X_new_1 = lda.transform(X_1)

可以看到我已经把n_components设为30时了，但最后输出的X_new_1还是降到只有一个属性，请问这是什么原因？

Answer 1

LDA降维后的维度区间在[1,C-1]，C为特征空间的维度，与原始特征数n无关，对于二值分类，最多投影到1维，所以我估计你是因为这是个二分类问题，所以只能降到一维。

Answer 2

n_components注意只能为[1,类别数-1)范围之间的整数，是类别数-1，而不是特征数-1

Answer 3

必须满足：n_components<=n_classes-1，n_classes是类别数

Answer 4

我也遇到了这个问题，请问楼主解决了吗？

Answer 5

首先2个包：

import numpy as npfrom sklearn.decomposition import PCA

然后一个m x n 的矩阵，n为维度，这里设为x。
n_components = 12 是自己可以设的。

pca = PCA(n_components=12)pca.fit(x)PCA(copy=True, iterated_power='auto', n_components=12, random_state=None, svd_solver='auto', tol=0.0, whiten=False) float_formatter = lambda x: "%.2f" % xnp.set_printoptions(formatter={'float_kind':float_formatter}) print 'explained variance ratio:'print pca.explained_variance_ratio_print 'cumulative sum:'print pca.explained_variance_ratio_.cumsum()