sklearn.cross_decomposition.PLSSVD?

class sklearn.cross_decomposition.PLSSVD(n_components=2, *, scale=True, copy=True)

[源碼]

偏最小二乘SVD

只需對交叉協方差矩陣執行svd：X’Y這里沒有迭代壓縮。

在用戶指南中閱讀更多內容。

0.8版的新功能。

參數	說明
n_components	int, default 2 要保留的組件數。
scale	boolean, default True 是否收縮X和Y。
copy	boolean, default True 是復制X和Y，還是執行就地計算。

屬性	說明
x_weights_	array, [p, n_components] X塊的權重變量。
y_weights_	array, [q, n_components] Y塊的權重變量。
x_scores_	array, [n_samples, n_components] X得分。
y_scores_	array, [n_samples, n_components] Y得分。

另見：

PLSCanonical

CCA

示例

>>> import numpy as np
>>> from sklearn.cross_decomposition import PLSSVD
>>> X = np.array([[0., 0., 1.],
...     [1.,0.,0.],
...     [2.,2.,2.],
...     [2.,5.,4.]])
>>> Y = np.array([[0.1, -0.2],
...     [0.9, 1.1],
...     [6.2, 5.9],
...     [11.9, 12.3]])
>>> plsca = PLSSVD(n_components=2)
>>> plsca.fit(X, Y)
PLSSVD()
>>> X_c, Y_c = plsca.transform(X, Y)
>>> X_c.shape, Y_c.shape
((4, 2), (4, 2))

方法	說明
`fit`(self, X, Y)	訓練數據集
`fit_transform`(self, X[, y])	在訓練集上學習并應用降維
`get_params`(self[, deep])	獲取評估器參數。
`set_params`(self, **params)	設置此估算器的參數。
`transform`(self, X[, Y])	應用在訓練集上學到的降維。

__init__(self, n_components=2, *, scale=True, copy=True)

[源碼]

初始化self。請參閱幫助(type(self))以獲得準確的簽名。

fit(self, X, Y)

[源碼]

訓練數據。

參數	說明
X	array-like of shape (n_samples, n_features) 訓練向量，其中n_samples是樣本數，n_features是預測變量數。
Y	array-like of shape (n_samples, n_targets) 目標向量，其中n_samples是樣本數，n_targets是響應變量數。

fit_transform(self, X, y=None)

[源碼]

在訓練集上學習并應用降維。

參數	說明
X	array-like of shape (n_samples, n_features) 訓練向量，其中n_samples是樣本數，n_features是預測變量數。
y	array-like of shape (n_samples, n_targets) 目標向量，其中n_samples是樣本數，n_targets是響應變量數。

返回值	說明
如果未指定Y，則為x_scores，否則為（x_scores，y_scores）。	-

get_params(self, deep=True)

[源碼]

獲取此估計量的參數。

參數	說明
deep	bool, default=True 如果為True，則將返回此估算器和作為估算器的所包含子對象的參數。

返回值	說明
params	mapping of string to any 參數名稱映射到其值。

set_params(self, **params)

[源碼]

設置此估算器的參數。

該方法適用于簡單的估計器以及嵌套對象（例如管道）。后者的參數格式為<component> __ <parameter>，以便可以更新嵌套對象的每個組件。

參數	說明
**params	dict 估算器參數。

返回值	說明
self	object 估算器實例。

transform(self, X, Y=None)

[源碼]

應用在訓練集上學到的降維。

參數	說明
X	array-like of shape (n_samples, n_features) 訓練向量，其中n_samples是樣本數，n_features是預測變量數。
Y	array-like of shape (n_samples, n_targets) 目標向量，其中n_samples是樣本數，n_targets是響應變量數。