- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我正在考虑使用 PCA(TruncatedSVD) 来减少我的稀疏矩阵的维数。
我将我的数据拆分为训练和测试拆分。
X_train , X_test, y_train, y_test = train_test_split(X, y, test_size=0.3)
我必须分别为 X_train 和 X_test 进行 PCA 吗?
pca = PCA()
X_train = pca.fit_transform(X_train)
X_test = pca.fit_transform(X_test)
或者我是否必须只适合训练数据,然后转换训练和测试数据。哪个更受欢迎?
pca.fit(X_train)
train = pca.transform(X_train)
test = pca.transform(X_test)
编辑:
我正在做分类任务。我的实际数据集中有一个名为 project_description
的列,我为该列应用了 BoW (CountVectorizer) 并将其转换为计数向量,然后对其应用 PCA 以减少维度。
我的实际数据集还有其他列,例如 price, place, date, share% etc...
现在,在连接应用了 PCA 的 Bow Vector 之前,我是否必须在我的实际数据集(即其他列)上应用 PCA?
最佳答案
您不应该使用整个数据集进行降维或归一化等任何预处理方法,因此:
首先,你应该拆分数据集,
然后您可以仅使用训练集来标准化(或根据您的条件规范化)数据集
之后,您也可以使用拟合缩放器对测试集进行变换。
如果你想应用像 PCA 这样的降维方法,现在你应该:
仅在训练集上执行 PCA
然后对测试集也进行改造(所以只有问题中提到的第二个代码是正确的。)
这样,稍后我们可以使用测试集在未见数据点上评估我们的模型,以查看模型是否泛化良好。
# Split the dataset
X_train, X_test, y_train, y_test = model_selection.train_test_split(X_array,
y_array,
test_size=0.3,
random_state=42)
# Standardize the dataset
scaler = preprocessing.StandardScaler()
# Fit on the train set only
scaler.fit(X_train)
# Apply to both the train set and the test set.
X_train = scaler.transform(X_train)
X_test = scaler.transform(X_test)
# Apply PCA
pca = PCA()
# Fit on the train set only
pca.fit(X_train)
# Apply transform to both the train set and the test set.
X_train = pca.transform(X_train)
X_test = pca.transform(X_test)
关于python - 我是否必须分别为训练和测试数据做拟合 PCA,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/55045012/
gnuplot 中拟合函数的正确方法是什么 f(x)有下一个表格吗? f(x) = A*exp(x - B*f(x)) 我尝试使用以下方法将其拟合为任何其他函数: fit f(x) "data.txt
(1)首先要建立数据集 ? 1
测量显示一个信号,其形式类似于具有偏移量和因子的平方根函数。如何找到系数并在一个图中绘制原始数据和拟合曲线? require(ggplot2) require(nlmrt) # may be thi
我想将以下函数拟合到我的数据中: f(x) = Offset+Amplitudesin(FrequencyT+Phase), 或根据 Wikipedia : f(x) = C+alphasin(ome
我正在尝试使用与此工具相同的方法在 C# 中拟合 Akima 样条曲线:https://www.mycurvefit.com/share/4ab90a5f-af5e-435e-9ce4-652c95c
问题:开放层适合 map ,只有在添加特征之后(视觉),我该如何避免这种情况? 我在做这个 第 1 步 - 创建特征 var feature = new ol.Feature({...}); 第 2
我有一个数据变量,其中包含以下内容: [Object { score="2.8", word="Blue"}, Object { score="2.8", word="Red"}, Objec
我正在尝试用中等大小的 numpy float 组来填充森林 In [3]: data.shape Out[3]: (401125, 5) [...] forest = forest.fit(data
我想用洛伦兹函数拟合一些数据,但我发现当我使用不同数量级的参数时拟合会出现问题。 这是我的洛伦兹函数: function [ value ] = lorentz( x,x0,gamma,amp )
我有一些数据,我希望对其进行建模,以便能够在与数据相同的范围内获得相对准确的值。 为此,我使用 polyfit 来拟合 6 阶多项式,由于我的 x 轴值,它建议我将其居中并缩放以获得更准确的拟合。 但
我一直在寻找一种方法来使数据符合 beta 二项分布并估计 alpha 和 beta,类似于 VGAM 库中的 vglm 包的方式。我一直无法找到如何在 python 中执行此操作。有一个 scipy
我将 scipy.optimize.minimize ( https://docs.scipy.org/doc/scipy/reference/tutorial/optimize.html ) 函数与
在过去的几天里,我一直在尝试使用 python 绘制圆形数据,方法是构建一个范围从 0 到 2pi 的圆形直方图并拟合 Von Mises 分布。我真正想要实现的是: 具有拟合 Von-Mises 分
我有一个简单的循环,它在每次迭代中都会创建一个 LSTM(具有相同的参数)并将其拟合到相同的数据。问题是迭代过程中需要越来越多的时间。 batch_size = 10 optimizer = opti
我有一个 Python 系列,我想为其直方图拟合密度。问题:是否有一种巧妙的方法可以使用 np.histogram() 中的值来实现此结果? (请参阅下面的更新) 我目前的问题是,我执行的 kde 拟
我有一个简单的 keras 模型(正常套索线性模型),其中输入被移动到单个“神经元”Dense(1, kernel_regularizer=l1(fdr))(input_layer) 但是权重从这个模
我正在尝试解决 Boston Dataset 上的回归问题在random forest regressor的帮助下.我用的是GridSearchCV用于选择最佳超参数。 问题一 我是否应该将 Grid
使用以下函数,可以在输入点 P 上拟合三次样条: def plotCurve(P): pts = np.vstack([P, P[0]]) x, y = pts.T i = np.aran
我有 python 代码可以生成数字 x、y 和 z 的三元组列表。我想使用 scipy curve_fit 来拟合 z= f(x,y)。这是一些无效的代码 A = [(19,20,24), (10,
我正在尝试从 this answer 中复制代码,但是我在这样做时遇到了问题。我正在使用包 VGAM 中的gumbel 发行版和 fitdistrplus . 做的时候出现问题: fit = fi
我是一名优秀的程序员,十分优秀!