类型错误：对于*不支持的操作数类型（S）： 'PCA' 和 '浮动'

问题描述：

下面是数据CSV的头：

Fresh Milk Grocery Frozen Detergents_Paper Delicatessen 
0 12669 9656 7561 214 2674 1338 
1 7057 9810 9568 1762 3293 1776 
2 6353 8808 7684 2405 3516 7844 
3 13265 1196 4221 6404 507 1788 
4 22615 5410 7198 3915 1777 5185

错误我看到：

TypeError: unsupported operand type(s) for *: 'PCA' and 'float'

代码：

from sklearn.decomposition import PCA 

log_data = np.log(data) 

# TODO: Apply PCA to the good data with the same number of dimensions as features 
pca = PCA(n_components=4) 

# TODO: Apply a PCA transformation to the sample log-data 
pca_samples = pca.fit(log_data) 

# Generate PCA results plot 
pca_results = rs.pca_results(good_data, pca) 

display(pd.DataFrame(np.round(pca_samples, 4), columns = pca_results.index.values))

它抱怨最后一行

数据来自已显示工作正常的csv。

加CSV的代表性部分文件的顶部作为'StringIO'对象加载并作为示例的一部分加载。 –

请包括堆栈跟踪，以便我们知道问题所在。 – tdelaney

什么是rs？不会显示引发错误的'np.log'行。这个脚本还有更多吗？ – tdelaney

答

PCA.fit() tansforms模型就地并返回self，以便您可以链接其他模型操作。所以，

后

pca_samples = pca.fit(log_data)

pca_samples只是另一种参考pca。

答

pca.fit(X[, y])只适合与X的模型，并返回self，这是pca本身。

既然要与

pd.DataFrame(np.round(pca_samples, 4), columns = pca_results.index.values))

因此，要获得转换后的数据，你应该叫pca.fit_transform()

fit_transform(X[, y]) Fit the model with X and apply the dimensionality reduction on X.

见docs of pca，并且fit_transform

类型错误：对于*不支持的操作数类型（S）： 'PCA' 和 '浮动'

相关推荐