python - 类型错误 : unsupported operand type(s) for *: 'PCA' and 'float'

Question

编辑:

这是数据 csv 的头部:

    Fresh   Milk    Grocery Frozen  Detergents_Paper    Delicatessen
0   12669   9656    7561    214 2674    1338
1   7057    9810    9568    1762    3293    1776
2   6353    8808    7684    2405    3516    7844
3   13265   1196    4221    6404    507 1788
4   22615   5410    7198    3915    1777    5185

我看到的错误:

TypeError: unsupported operand type(s) for *: 'PCA' and 'float'

代码:

from sklearn.decomposition import PCA

log_data = np.log(data)

# TODO: Apply PCA to the good data with the same number of dimensions as features
pca = PCA(n_components=4)

# TODO: Apply a PCA transformation to the sample log-data
pca_samples = pca.fit(log_data)

# Generate PCA results plot
pca_results = rs.pca_results(good_data, pca)

display(pd.DataFrame(np.round(pca_samples, 4), columns = pca_results.index.values))

它在提示最后一行

数据来自已证明可以正常工作的 csv。

Answer 1

pca.fit(X[, y]) 只是用 X 拟合模型，并返回 self，即 pca 本身。

因为你想得到转换后的数据

pd.DataFrame(np.round(pca_samples, 4), columns = pca_results.index.values))

因此，您应该调用 pca.fit_transform()

fit_transform(X[, y]) Fit the model with X and apply the dimensionality reduction on X.

参见 docs of pca , 和 fit_transform