在scikit-learn中使用PCA生成索引时出现值错误

Question

使用以下函数，我尝试从数据生成索引：

功能：

import numpy as np
from sklearn.decomposition import PCA   
def pca_index(data,components=1,indx=1):
    corrs = np.asarray(data.cov())
    pca   = PCA(n_components = components).fit(corrs)
    trns = pca.transform(data)
    index=np.dot(trns[0:indx],pca.explained_variance_ratio_[0:indx])
    return index

指数：从主成分生成

index = pca_index(data=mydata,components=3,indx=2)

调用函数时生成以下错误：

Traceback (most recent call last):
File "<ipython-input-411-35115ef28e61>", line 1, in <module>
index = pca_index(data=mydata,components=3,indx=2)
File "<ipython-input-410-49c0174a047a>", line 15, in pca_index
index=np.dot(trns[0:indx],pca.explained_variance_ratio_[0:indx])
ValueError: shapes (2,3) and (2,) not aligned: 3 (dim 1) != 2 (dim 0)

任何人都可以帮助解决错误。

根据我的理解，当我将下标索引作为变量 （indx） 传递时，以下位置会出现一些错误：

trns[0:indx],pca.explained_variance_ratio_[0:**indx**]

Answer 1

np.dot中，您尝试将具有维度 （2,3） 的矩阵与具有维度 （2，） 的矩阵相乘，即向量。

但是，您只能将 NxM 乘以 MxP，例如

（3,2） 乘以 （2,1） 或 （2,3） 乘以 （3,1）。

在您的示例中，第二个矩阵的维度为 （2，），用 numpy 术语来说，它与 （2,1） 相似但不相同。您可以使用vector.reshape([2,1])将矢量重塑为矩阵

您也可以转置第一个矩阵，从而将其尺寸从 （2,3） 转换为 （3,2）。

但是，请确保将适当的矩阵相乘，因为结果将与您预期的不同。