Question

我正在使用Python 3.6.1 | Anaconda 4.4.0

我是ML的新手，在学习的同时练习。我选择了一个kagle数据集来练习LDA以减少维数。出现了两个混乱：

我开始收到警告错误“Variables is collinear。”
即使我使用n分量为2，输出向量x_train仍然只显示1个特征。

代码：

import numpy as np
import matplotlib.pyplot as plt
import pandas as pd

datasets = pd.read_csv('mushrooms.csv')
X_df = datasets.iloc[:, 1:]  # Independent variables
y_df = datasets.iloc[:, 0]   # Dependent variables

from sklearn.preprocessing import LabelEncoder, OneHotEncoder
X_df = X_df.apply(LabelEncoder().fit_transform)
x = OneHotEncoder(sparse=False).fit_transform(X_df.values)
y = LabelEncoder().fit_transform(y_df.values)

# Splitting dataset in to training set and test set. 
from sklearn.model_selection import train_test_split
x_train,x_test,y_train,y_test = 
train_test_split(x,y,test_size=0.2,random_state=0)
# Feature scaling
from sklearn.preprocessing import StandardScaler
sc_x = StandardScaler()
x_train = sc_x.fit_transform(x_train)
x_test = sc_x.transform(x_test)

#---------------------------------------------
# Applying LDA (Linear Discriminant Analysis)
#---------------------------------------------

from sklearn.discriminant_analysis import LinearDiscriminantAnalysis as LDA
lda = LDA(n_components = 2)     
x_train = lda.fit_transform(x_train, y_train) 
x_test = lda.transform(x_test)

Answer 1

这表明错误消息的内容是：您的一些变量是共线的。换句话说，一个向量的元素是另一个向量的元素的线性函数，例如

0, 1, 2, 3
3, 5, 7, 9

在这种情况下，LDA无法区分他们对世界其他地区的影响。

我无法诊断任何特定的内容，因为您未能提供建议的MCVE。

LDA处理失败，“变量是共线的”。 python

1 个答案: