文档章节

LinearDiscriminantAnalysis参数、属性和方法

o
 osc_1ee7cxmx
发布于 2018/08/06 15:47
字数 514
阅读 13
收藏 0

精选30+云产品,助力企业轻松上云!>>>

【LDA】线性判别分析

参数:

solver:一个字符串,指定了求解最优化问题的算法,可以为如下的值。
  • 'svd':奇异值分解。对于有大规模特征的数据,推荐用这种算法。
  • 'lsqr':最小平方差,可以结合skrinkage参数。
  • 'eigen' :特征分解算法,可以结合shrinkage参数。
skrinkage:字符串‘auto’或者浮点数活者None。该参数通常在训练样本数量小于特征数量的场合下使用。该参数只有在solver=lsqr或者eigen下才有意义
  • '字符串‘auto’:根据Ledoit-Wolf引理来自动决定shrinkage参数的大小。
  • 'None:不使用shrinkage参数。
  • 浮点数(位于0~1之间):指定shrinkage参数。
priors:一个数组,数组中的元素依次指定了每个类别的先验概率。如果为None,则认为每个类的先验概率都是等可能的。
n_components:一个整数。指定了数组降维后的维度(该值必须小于n_classes-1)。
store_covariance:一个布尔值。如果为True,则需要额外计算每个类别的协方差矩阵。
warm_start:一个布尔值。如果为True,那么使用前一次训练结果继续训练,否则从头开始训练。
tol:一个浮点数。它指定了用于SVD算法中评判迭代收敛的阈值。
 
返回值
 
coef_:权重向量。
intercept:b值。
covariance_:一个数组,依次给出了每个类别烦人协方差矩阵。
means_:一个数组,依次给出了每个类别的均值向量。
xbar_:给出了整体样本的均值向量。
n_iter_:实际迭代次数。
 
 
方法
 
fix(X,y):训练模型。
predict(X):用模型进行预测,返回预测值。
score(X,y[,sample_weight]):返回(X,y)上的预测准确率(accuracy)。
predict_log_proba(X):返回一个数组,数组的元素一次是 X 预测为各个类别的概率的对数值。 
predict_proba(X):返回一个数组,数组元素一次是 X 预测为各个类别的概率的概率值
o
粉丝 0
博文 500
码字总数 0
作品 0
私信 提问
加载中
请先登录后再评论。

暂无文章

百度技术沙龙第67期 百度开源专场

本文作者:HelloDeveloper 具体的产品案例,分享百度开源技术最新实践经验。目前这些项目都已经在 github/baidu 上开源。 什么是 PaddlePaddle 深度学习平台? 首先做个简单的介绍,PaddleP...

百度开发者中心
2019/07/23
0
0
Hacker News 简讯 2020-07-10

更新时间: 2020-07-10 01:15 US Supreme Court deems half of Oklahoma a Native American Reservation - (reuters.com) 美国最高法院认为俄克拉荷马州的一半是印第安人保留地 得分:131 | 评...

FalconChen
今天
26
0
OSChina 周五乱弹 —— 求求你吃了我吧,不要再玩弄食物的感情了

Osc乱弹歌单(2020)请戳(这里) 【今日歌曲】 @巴拉迪维 :张喆的单曲《陷阱 》 这首歌已经在网易找不到原唱了,不知道被哪家买了版权。#今日歌曲推荐# 《陷阱 》- 张喆 手机党少年们想听歌...

小小编辑
今天
26
1
清华陈文光教授:AI 超算基准测试的最新探索和实践。

道翰天琼认知智能平台为您揭秘新一代人工智能。 无规矩不成方圆。放在超级计算机的研发领域,没有一个大家普遍接受的算力评测指标,便难以推动超算迅猛发展。 而现在伴随着人工智能的发展,大...

jackli2020
今天
7
0
@RequestMapping, consumes 提交简单有意思的测试

getParm @GetMapping("getParm")public Result getParm(String id){ System.out.println(); return ResultFactory.success(id);} 等同于 == bodyParm @PostMapping("bodyParm......

莫库什勒
今天
25
0

没有更多内容

加载失败,请刷新页面

加载更多

返回顶部
顶部