降维

  1. 降维的一些通用方法：

    • get_params([deep])：返回模型的参数。

      • deep： 如果为True，则可以返回模型参数的子对象。

    • set_params(**params)：设置模型的参数。

      • params：待设置的关键字参数。

    • fit(X[, y]) ：训练模型。

      • X ：样本集合。通常是一个numpy array，每行代表一个样本，每列代表一个特征。
      • y ：样本的标签集合。它与X 的每一行相对应。

    • transform(X)：执行降维，返回降维后的样本集。

      • X ：样本集合。通常是一个numpy array，每行代表一个样本，每列代表一个特征。

    • inverse_transform(X)：执行降维的逆运算，返回降维之前的样本集合。

      • X ：降维之后的样本集合。通常是一个numpy array，每行代表一个样本，每列代表一个特征。

    • fit_transform(X[, y]) ：训练模型并执行降维，返回降维后的样本集。

      • X ：样本集合。通常是一个numpy array，每行代表一个样本，每列代表一个特征。
      • y ：样本的标签集合。它与X 的每一行相对应。

  2. 降维的一些通用参数：

    • copy： 一个布尔值，指定是否拷贝原始数据。

      如果为False则执行原地修改。此时节省空间，但修改了原始数据。

    • n_jobs：一个正数，指定任务并形时指定的 CPU数量。

      如果为 -1 则使用所有可用的 CPU。

    • random_state：一个整数或者一个RandomState实例，或者None。

      • 如果为整数，则它指定了随机数生成器的种子。
      • 如果为RandomState实例，则指定了随机数生成器。
      • 如果为None，则使用默认的随机数生成器。
    • n_components：一个整数，指定降维后的维数。