Question

我试图重现我用另一台电脑写的东西。现在用mac我得到了这种奇怪的行为。我不知道出了什么问题。适用于linux。

from sklearn.decomposition import PCA
df = df_selected1.values.copy() 
pca = PCA(n_components=2)
for i in range(5):
    pca.fit_transform(df)
    print(pca.explained_variance_)

#output
[ 5.03922837  0.06647913]
[ 15.07182343   1.55837475]
[ 18.83493071   5.11528737]
[ 8.56237035  1.2922362 ]
[ 121.51350407    0.78051842]

编辑：如果我的行数少于60，它会正常工作。如果我添加更多，我会收到错误

LinAlgError: SVD did not converge

示例数据：

 df = pd.DataFrame([np.ndarray(90),np.ndarray(90),np.ndarray(90),np.ndarray(90)]).transpose()

Answer 1

我认为你做错了什么。

在你发布1）完整代码，2）数据，3）完整错误和4）模块版本之前，我将提供一个使用随机数据的例子。

使用5000行和4列的示例。

import numpy as np
import pandas as pd

np.random.seed(2)
df = pd.DataFrame(np.random.rand(5000,4))
df1 = df.copy()
pca = PCA(n_components=2, random_state= 2)
for i in range(10):
     pca.fit_transform(df1)
     print(pca.explained_variance_)

[0.08596479 0.08470371]
[0.08596479 0.08470371]
[0.08596479 0.08470371]
[0.08596479 0.08470371]
[0.08596479 0.08470371]
[0.08596479 0.08470371]
[0.08596479 0.08470371]
[0.08596479 0.08470371]
[0.08596479 0.08470371]
[0.08596479 0.08470371]

sklearn PCA没有产生独特的结果

1 个答案: