主成分分析不起作用

Question

我正在尝试使用非常简单的数据集进行 PCA，但我仍然收到此错误：AttributeError: 'PCA' object has no attribute 'singular_values_'

代码如下：

import numpy as np
from sklearn.decomposition import PCA
X = np.array([[0.92, 0.51], [0.72, 0.59],
              [0.83, 1.03], [0.81, 1.21],
              [0.82, 0.63], [0.93, 0.68],
              [0.84, 0.57], [0.89, 1.52],
              [0.89, 1.04], [0.95, 0.99]])
pca = PCA(n_components=2)
pca.fit_transform(X)
print(pca.mean_)
print(pca.components_)
print(pca.explained_variance_)
print(pca.explained_variance_ratio_)
print(pca.singular_values_)
print(pca.n_components_)
print(pca.noise_variance_)

除了singular_values_

我什么都懂

感谢您的帮助！

Answer 1

singular_values_ 属性是 added in sklearn 0.19，于 2017 年 8 月发布。您无法访问它表明您使用的是旧版本。

主成分分析不起作用

Principal Component Analysis doesn't work

python

pca

scikit-learn