python LDA scikit 学习抛出 ValueError

Question

我有一个带有解释变量的 pd.DataFrame：X 和另一个带有目标变量 y 的数据框。

type(X)
Out[1]: pandas.core.frame.DataFrame

X_num.shape
Out[2]: (1213, 3298)

和

type(y)

Out[3]: pandas.core.frame.DataFrame

y.shape
Out[4]: (1213, 8)

我想只使用 y 的一列来计算 LDA:

from sklearn.discriminant_analysis import LinearDiscriminantAnalysis as LDA
lda = LDA(n_components=2)
    for col in y:
        X_t = lda.fit(X.copy(), y[col].copy())

y 有一个列名

y[col].name
Out[5]: u'myvarname'

但我总是得到错误

ValueError: Unknown label type: (array([ 0.001, 0.003 ...

我也试过了

X_t = lda.fit(X.copy(), y[col].values.copy())

并得到同样的错误。

根据help fit要求为Y

Y : array-like of response, shape = [n_samples, n_targets]
Target vectors, where n_samples in the number of samples 
and n_targets is the number of response variables.

有人知道我做错了什么吗？

Answer 1

线性判别分析是一种分类技术。根据您的错误，您的 Y 值涉及某种浮点值数组：

array([ 0.001, 0.003 ...

并且 sklearn 不知道如何将其解释为类别标签。您确定您应该使用 LDA 而不是某种回归吗？

python LDA scikit 学习抛出 ValueError

python LDA scikit learn throws ValueError

python

scikit-learn

lda

valueerror