提问人：SHUKRI ABDUALAZEZ 提问时间：7/17/2023 最后编辑：greybeardSHUKRI ABDUALAZEZ 更新时间：7/26/2023 访问量：97
使用 sklearn.manifold 应用 Python Isomap 如何获取特征值
applying Python Isomap using sklearn.manifold how to get eigenvalues
问：
我正在尝试使用 sklearn.manifold Isomap 进行降维。
我有 10 列数据，我使用了组件数 = 4。
如何获得每个组件的重量？
有没有一种方法可以提取每个分量的特征值？
这是我使用的代码
from sklearn.manifold import Isomap
embedding = Isomap(n_components=4, n_neighbors=6)
X_transformed = embedding.fit_transform(X[:])
X_transformed.shape
答：
0赞
seralouk
7/18/2023
#1
您需要访问该方法，然后才能找到特征值：kernel_pca
embedding.kernel_pca_.eigenvalues_
下面是一个示例：
from sklearn.datasets import load_digits
from sklearn.manifold import Isomap
X, _ = load_digits(return_X_y=True)
X.shape
embedding = Isomap(n_components=2)
X_transformed = embedding.fit(X[:100])
print(embedding.kernel_pca_.eigenvalues_)
# [891862.11494232 201321.18711327]
上一个：稀疏矩阵中的特征值减慢
下一个：对角化后具有复杂单元的矩阵重构
评论