sklearn.cross_decomposition.PLSSVD¶

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

[源码]

偏最小二乘SVD

只需对交叉协方差矩阵执行svd：X’Y这里没有迭代压缩。

在用户指南中阅读更多内容。

0.8版的新功能。

参数	说明
n_components	int, default 2 要保留的组件数。
scale	boolean, default True 是否收缩X和Y。
copy	boolean, default True 是复制X和Y，还是执行就地计算。

属性	说明
x_weights_	array, [p, n_components] X块的权重变量。
y_weights_	array, [q, n_components] Y块的权重变量。
x_scores_	array, [n_samples, n_components] X得分。
y_scores_	array, [n_samples, n_components] Y得分。

另见：

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	说明
`fit`(self, X, Y)	训练数据集
`fit_transform`(self, X[, y])	在训练集上学习并应用降维
`get_params`(self[, deep])	获取评估器参数。
`set_params`(self, **params)	设置此估算器的参数。
`transform`(self, X[, Y])	应用在训练集上学到的降维。

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

[源码]

初始化self。请参阅帮助(type(self))以获得准确的签名。

fit(self, X, Y)

[源码]

训练数据。

参数	说明
X	array-like of shape (n_samples, n_features) 训练向量，其中n_samples是样本数，n_features是预测变量数。
Y	array-like of shape (n_samples, n_targets) 目标向量，其中n_samples是样本数，n_targets是响应变量数。

fit_transform(self, X, y=None)

[源码]

在训练集上学习并应用降维。

参数	说明
X	array-like of shape (n_samples, n_features) 训练向量，其中n_samples是样本数，n_features是预测变量数。
y	array-like of shape (n_samples, n_targets) 目标向量，其中n_samples是样本数，n_targets是响应变量数。

返回值	说明
如果未指定Y，则为x_scores，否则为（x_scores，y_scores）。	-

get_params(self, deep=True)

[源码]

获取此估计量的参数。

参数	说明
deep	bool, default=True 如果为True，则将返回此估算器和作为估算器的所包含子对象的参数。

返回值	说明
params	mapping of string to any 参数名称映射到其值。

set_params(self, **params)

[源码]

设置此估算器的参数。

该方法适用于简单的估计器以及嵌套对象（例如管道）。后者的参数格式为<component> __ <parameter>，以便可以更新嵌套对象的每个组件。

参数	说明
**params	dict 估算器参数。

返回值	说明
self	object 估算器实例。

transform(self, X, Y=None)

[源码]

应用在训练集上学到的降维。

参数	说明
X	array-like of shape (n_samples, n_features) 训练向量，其中n_samples是样本数，n_features是预测变量数。
Y	array-like of shape (n_samples, n_targets) 目标向量，其中n_samples是样本数，n_targets是响应变量数。