我正在尝试分离功能以进行标准化，以便对癌症数据集执行PCA。
但是，每次我尝试使用x = df.loc [:, feature
我正在寻找一种在我的数据集中应用稀疏PCA的方法，同时仍保持原始特征不变，以便可以尝试使用分类
我想计算第一和第二特征向量。
我的数据的维度为<code>(n,m)</code>。其中，n是样本数，m是特征数。
我计算
我有一个数据框，该数据框使用python中的4个不同系列的数据（第1至4个板）通过PCA，并绘制为单个散点
我试图模仿使用R使用Python完成的散点图。
我可以计算PC1和PC2，将它们绘制成图也标记不同的观察结果，
我正在尝试使用插入符号从某些数据构建分类器。
我想尝试的方法之一是使用PCA预处理的数据中的简单L
我正在尝试事先使用PCA在keras NN上进行网格搜索CV操作。为此，我构建了一个管道，该管道包括PCA步骤，
我正在查看某人编写的代码，并试图理解它。
请看下面的图片
<a href="https://i.stack.imgur.com/ZOXy8.jpg" rel="nof
我目前正在尝试为数据绘制PCA，并且在运行代码时遇到以下问题。
此外，有人可以帮助获取我的数
给出轮廓，我可以通过执行PCA来提取均值和特征向量。然后我想将所有像素投影到特征向量上的轮廓内。
我正在尝试使用tidymodels进行PCR，但是我一直遇到这个问题。我知道有类似的帖子，但是那边的解决方案
<pre><code>from sklearn.decomposition import PCA
pca =PCA(n_components =2)
X_PCA =PCA.fit(data_x)
</code></pre>
我已经使用<code>prcomp()</code>对数据集执行了PCA，然后使用<code>fviz_pca_biplot()</code>（包<code>factoextra</code>）
我正在对78个变量的数据集进行PCA预处理。如何计算PCA变量的最优值？
<ul>
<li>我的第一个想法是从5开
我如何更改PCA的波纹管代码以仅针对PLS-DA获得类似的图形？
<pre><code>library(ggplot2)
library(mixOmics)
library(
在设法绘制PCA之后，我试图弄清楚如何在R中绘制PLS-DA以减小尺寸。我似乎找不到任何合适的教学材料。
我有一个复杂的矩阵（48000x2109），我想对其进行主要成分分析。我的问题是它的大小，我的代码要到最
对于factoextra和factoMineR软件包，我是一个新手，以前从未使用过它们。我需要为我的主项目计算我的植物
我有一个数据集，并且我已经使用<code>scikit-learn</code>进行了PCA分析。我有另一个具有相同功能的数据集
我正在研究一个深度神经网络，该网络可处理不同的数据源（不同的模态，即音频，视频等）。该网络
