python - LinearDiscriminantAnalysis - 来自 .transform(X) 的单列输出

Question

我已经成功地复制了一个 sklearn tutorials使用 Python 2.7 在 PyCharm 中使用 iris 数据集。但是，当尝试用我自己的数据重复此操作时，我遇到了一个问题。我一直在使用“np.genfromtxt”从 .csv 文件导入数据，但出于某种原因，当我应该获得 2 列输出时，我一直得到 X_r2 的单列输出(见下文)。因此，我用一些随机生成的变量替换了我的数据以发布到 SO 上，但我仍然遇到同样的问题。

我在下面包含了“问题”代码，我很想知道我做错了什么。我广泛使用 PyCharm 中的调试功能来检查我的变量的类型和形状是否与原始 sklearn 示例相似，但它并没有帮助我解决问题。如有任何帮助或建议，我们将不胜感激。

import numpy as np
from sklearn.discriminant_analysis import LinearDiscriminantAnalysis

y = np.random.randint(2, size=500)
X = np.random.randint(1, high=1000, size=(500, 6))
target_names = np.array([['XX'], ['YY']])
lda = LinearDiscriminantAnalysis(n_components=2)
X_r2 = lda.fit(X, y).transform(X)

Answer 1

您发布的示例中的数组 y 的值为 0、1 和 2，而您的数组只有 0 和 1。此更改实现了您想要的:

import numpy as np
from sklearn.discriminant_analysis import LinearDiscriminantAnalysis

y = np.random.randint(3, size=500)
X = np.random.randint(1, high=1000, size=(500, 6))
target_names = np.array([['XX'], ['YY']])
lda = LinearDiscriminantAnalysis(n_components=2)
X_r2 = lda.fit(X, y).transform(X)