如何解决为什么在二分类问题中解释各种比率的值太低?
我的输入数据 $X$ 有 100 个样本和 1724 个特征。我想将我的数据分为两类。但是解释了各种比率值太低,如 0.05,0.04,无论我在执行 PCA 时固定多少个主成分。我在文献中看到,通常解释方差比接近 1。我无法理解我的错误。我试图通过减少特征数量和增加样本数量来执行 PCA。但这对我的结果没有任何显着影响。
`pca = PCA(n_components=10).fit(X)
Xtrain = pca.transform(X)
explained_ratio=pca.explained_variance_ratio_
EX=explained_ratio
fig,ax1=plt.subplots(ncols=1,nrows=1)
ax1.plot(np.arange(len(EX)),EX,marker='o',color='blue')
ax1.set_ylabel(r"$\lambda$")
ax1.set_xlabel("l")
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。