ValueError: n_components=3 must be between 0 and min(n_samples, n_features)=2 with svd_solver='full'
Ai cerut PCA mai multe componente decât permit datele: numărul de componente nu poate depăși nici numărul de caracteristici, nici numărul de rânduri. Micșorează n_components, de exemplu la 2, sau dă o proporție (n_components=0.95) ca să păstrezi 95% din varianță.
Explicat de Tudor Andrei Dumitrescu, Senior Software Developer, fondatorul Academiei ProgramatorilorActualizat la
Ce înseamnă
PCA comprimă datele în n_components direcții noi. Matematic, poți obține cel mult min(n_samples, n_features) componente: cu 2 caracteristici nu poți avea 3 direcții independente, iar cu 5 rânduri nu poți avea mai mult de 5. Mesajul îți calculează limita (min(n_samples, n_features)=2) și îți spune solver-ul folosit (svd_solver='full' sau 'covariance_eigh', ales automat după forma datelor).
Cauze frecvente: ai copiat un exemplu care folosea alt set de date, cu mai multe coloane; ai selectat mai puține coloane decât credeai; ai aplicat PCA pe un set mic (de exemplu un singur fold sau un subset); sau vrei să reduci la „3 dimensiuni pentru grafic” date care au doar 2 caracteristici. Dacă vrei să alegi componentele după informația păstrată, dă un număr între 0 și 1: PCA(n_components=0.95).
De ce apare: cauzele frecvente
1Mai multe componente decât caracteristici
X = df[["suma", "frecventa"]]
PCA(n_components=3).fit(X)X = df[["suma", "frecventa"]]
PCA(n_components=2).fit(X)Cu două caracteristici, poți avea cel mult două componente principale.
2Număr fix de componente pe date de mărime variabilă
PCA(n_components=10).fit(X_mic) # 6 rânduriPCA(n_components=0.95).fit(X_mic)O proporție lasă PCA să aleagă câte componente sunt necesare ca să păstreze 95% din varianță, în limitele datelor.
Repară eroarea, direct în pagină
Codul de mai jos dă ValueError: n_components=3 must be between 0 and min(n_samples, n_features)=2, pentru că datele au doar două caracteristici. Repară PCA: păstrează 2 componente, ca programul să afișeze forma datelor reduse și proporția de varianță explicată de prima componentă.
import numpy as np
from sklearn.decomposition import PCA
from sklearn.preprocessing import StandardScaler
# suma cheltuita, numar de comenzi
X = np.array([[100, 2], [120, 3], [800, 15], [750, 12], [400, 7], [380, 6]], dtype=float)
X_s = StandardScaler().fit_transform(X)
pca = PCA(n_components=3)
X_red = pca.fit_transform(X_s)
print("Forma:", X_red.shape)
print("Varianta PC1:", round(pca.explained_variance_ratio_[0], 3))Forma: (6, 2) Varianta PC1: 0.994
Indiciu
Folosește PCA(n_components=2).
Reparația
import numpy as np
from sklearn.decomposition import PCA
from sklearn.preprocessing import StandardScaler
# suma cheltuita, numar de comenzi
X = np.array([[100, 2], [120, 3], [800, 15], [750, 12], [400, 7], [380, 6]], dtype=float)
X_s = StandardScaler().fit_transform(X)
pca = PCA(n_components=2)
X_red = pca.fit_transform(X_s)
print("Forma:", X_red.shape)
print("Varianta PC1:", round(pca.explained_variance_ratio_[0], 3))De ce merge
Componentele principale sunt direcții noi în spațiul caracteristicilor, iar cu două caracteristici există cel mult două direcții independente. Cu n_components=2, PCA rotește datele astfel încât prima componentă să prindă cât mai mult din variație. Suma cheltuită și numărul de comenzi cresc aproape împreună, deci prima componentă explică aproape toată varianța, iar a doua foarte puțin. Pentru a reduce dimensiunea, ai putea păstra doar prima componentă.
Alte forme ale mesajului
ValueError: n_components=3 must be between 0 and min(n_samples, n_features)=2 with svd_solver='covariance_eigh'ValueError: n_components=5 must be between 1 and min(n_samples, n_features)=4 with svd_solver='randomized'
Cum o eviți pe viitor
Înainte de PCA, uită-te la X.shape și alege n_components sub ambele dimensiuni. Scalează datele cu StandardScaler înainte (PCA e sensibil la scară). Dacă nu știi câte componente îți trebuie, folosește o proporție de varianță (0.9, 0.95) și uită-te apoi la pca.n_components_ și pca.explained_variance_ratio_.
Întrebări frecvente
Câte componente să păstrez?
Pentru grafice, 2 sau 3. Pentru a comprima datele înaintea unui model, alege numărul care păstrează 90-95% din varianță; explained_variance_ratio_.cumsum() îți arată cât păstrezi pentru fiecare număr de componente.
De ce mesajul spune uneori svd_solver='covariance_eigh'?
PCA alege automat algoritmul de calcul după forma datelor (svd_solver="auto"). Limita e aceeași indiferent de algoritm; mesajul îți spune doar ce s-a folosit.
Erori înrudite
ValueError: n_samples=3 should be >= n_clusters=4. Ai cerut lui KMeans mai multe grupuri (n_clusters) decât puncte ai în date: fiecare grup are nevoie de cel puțin un punct. Micșorează n_clusters sau verifică dacă X are cu adevărat atâtea rânduri câte crezi (de exemplu că nu e transpus). ValueError: X has 3 features, but LinearRegression is expecting 2 features as input. Datele date la predict sau transform au alt număr de coloane decât cele de la fit (aici 3 în loc de 2). Datele noi trebuie să aibă exact aceleași caracteristici, în aceeași ordine, și să treacă prin aceleași transformări ca datele de antrenare. Învață Machine Learning de la zero, cu exerciții la fiecare lecție
Curs Machine Learning și AI pentru începători: lecții scurte, fiecare cu un exercițiu verificat automat, direct în browser. Primele 15 lecții sunt gratuite.
