1

我正在学习线性判别分析并使用 scikit-learn 模块。我对LinearDiscriminantAnalysis类的“coef_”属性感到困惑。据我了解，这些是判别函数系数（sklearn 称它们为权重向量）。由于应该有 (n_classes-1) 个判别函数，我希望 coef_ 属性是一个形状为 (n_components, n_features) 的数组，但它会打印一个 (n_classes, n_features) 数组。下面是使用 sklearn 中的 Iris 数据集示例的示例。由于有 3 个类和 2 个组件，我希望 print(lda.coef_) 给我一个 2x4 数组而不是 3x4 数组...

也许我误解了权重向量是什么，也许它们是分类函数的系数？

以及如何获得每个判别/规范函数中每个变量的系数？

jupyter笔记本截图

代码在这里： 

import matplotlib.pyplot as plt
from sklearn import datasets
from sklearn.decomposition import PCA
from sklearn.discriminant_analysis import LinearDiscriminantAnalysis
import numpy as np

iris = datasets.load_iris()
X = iris.data
y = iris.target
target_names = iris.target_names
lda = LinearDiscriminantAnalysis(n_components=2,store_covariance=True)
X_r = lda.fit(X, y).transform(X)

plt.figure()
for color, i, target_name in zip(colors, [0, 1, 2], target_names):
    plt.scatter(X_r2[y == i, 0], X_r2[y == i, 1], alpha=.8, color=color,
                label=target_name)
plt.legend(loc='best', shadow=False, scatterpoints=1)
plt.xlabel('Function 1 (%.2f%%)' %(lda.explained_variance_ratio_[0]*100))
plt.ylabel('Function 2 (%.2f%%)' %(lda.explained_variance_ratio_[1]*100))
plt.title('LDA of IRIS dataset')

print(lda.coef_)
#output -> [[  6.24621637  12.24610757 -16.83743427 -21.13723331]
# [ -1.51666857  -4.36791652   4.64982565   3.18640594]
# [ -4.72954779  -7.87819105  12.18760862  17.95082737]]
4

0 回答 0