线性判别分析分类器的若干问题
线性判别分析分类器的若干问题
提问于 2019-05-31 16:39:44
我编写了两个函数来确定脑电数据集的线性判别分类器。该数据集由预处理后的脑电数据(∈5×62×5322 )和刺激标记∈2×5322组成。数据矩阵X包含在62个电极上选择的脑电活动的5个时间窗，在受试者面前的屏幕上显示了视觉刺激。如果第一行是1，刺激是目标刺激，如果第二行是1，则刺激是非目标刺激。第一个函数返回权重向量和偏置项。第二个函数是一个显示结果的图类。
def lda_fit(X,Y):
# class means
unique_classes=np.unique(Y)
mu=np.zeros((len(unique_classes),X.shape[1]))
for i,name in enumerate(unique_classes):
mu[i,:] = X[Y==name,:].mean(axis=0)
mupos=mu[1]
muneg=mu[0]
mupos=mupos.reshape(155,2)
muneg=muneg.reshape(155,2)
Xneu=X[0].reshape(155,2)
# D-by-D inter class covariance matrix (signal)
Sinter = np.dot((muneg-mupos),(muneg-mupos).T)
# D-by-D intra class covariance matrices (noise)
Sintra =np.dot((Xneu-mupos),(Xneu-mupos).T)+np.dot((Xneu-muneg),(Xneu-muneg).T)
# solve eigenproblem
eigvals, eigvecs = sp.linalg.eig(Sinter,Sintra)
w = eigvecs[:,eigvals.argmax()]
# bias term
b = (w.dot(mupos) + w.dot(muneg))/2.
# return the weight vector
return w,b我得到以下错误："ValueError: matmul:输入操作数1的核心维度0不匹配，具有gufunc签名(n?，k)，(k，m?)->(n?，m?) (大小155与310不同)。“
我知道这和矩阵的形状有关，但我真的坚持住了。
回答 1
Data Science用户
发布于 2019-06-01 00:24:22
就像你说的，它与矩阵的形状有关。在本例中，您的矩阵与(155,2)相同，而它期望它们为(310，1)。
在转换矩阵时，尝试查看它们的形状(提示:在任何发生转换的地方插入打印语句)，并确保所有内容保持一致。
另外，您能向我们提供更多的信息，例如错误发生的确切位置吗？这看起来是点产品的一个问题。
页面原文内容由Data Science提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://datascience.stackexchange.com/questions/52992
复制相关文章
相似问题
腾讯云开发者
