线性判别分析变换函数

Question

x = data.values
y = target.values
lda = LDA(solver='eigen', shrinkage='auto',n_components=2)
df_lda = lda.fit(x,y).transform(x)
df_lda.shape

这是代码的一小部分。我试图将维度降低到最具辨别力的方向。据我所知，transform()函数投影数据以最大化我的数据集的类别分离，并应返回一个形状(n_samples, n_components)的数组

但我的df_lda形状（614,1）。

我在这里缺少什么？或者我的数据不能线性分离？

Answer 1

对于K中target.values个不同类的情况，转换数据中有K-1个组件（没有进一步降低维度）。由于数据集中只有两个类，因此只有一个转换组件，因此您无法获得更多组件。

我认为，当您请求的数量多于可用时，sklearn可能会发出警告。