...
Eroare Machine Learning · Modele: convergență, k-NN, k-means

ValueError: n_components=3 must be between 0 and min(n_samples, n_features)=2 with svd_solver='full'

Pe scurt

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

Greșit
PYTHON
X = df[["suma", "frecventa"]]
PCA(n_components=3).fit(X)
Corect
PYTHON
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

Greșit
PYTHON
PCA(n_components=10).fit(X_mic)  # 6 rânduri
Corect
PYTHON
PCA(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 tu

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.

Codul care dă eroarea
PYTHON
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))
După reparație, programul afișează
Forma: (6, 2)
Varianta PC1: 0.994
Indiciu

Folosește PCA(n_components=2).

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

← Toate erorile Machine Learning

Tudor Andrei Dumitrescu
Cine a explicat eroarea

Tudor Andrei Dumitrescu

Senior Software Developer · fondatorul Academiei Programatorilor

LinkedIn
  1. 2019 Junior JavaCognizant Softvision
  2. 2021 Mid JavaCognizant Softvision
  3. 2022 Team LeaderEndava
  4. 2023 Senior Software DeveloperUniCredit
  5. Acum Senior Software DeveloperHCLTech
Certificat de absolvire Instructor / Preparator formare, Tudor Andrei Dumitrescu
Certificat de formator autorizatMinisterul Muncii și Ministerul Educației · 2022
Certificat de absolvire Instructor / Preparator formare, Tudor Andrei Dumitrescu

Certificat de formator autorizat · Ministerul Muncii și Ministerul Educației · 2022

Din 2020 construiește Academia Programatorilor, iar din 2026 și JoburiIT.ro. Fiecare eroare de aici a fost reprodusă în editorul nostru: codul greșit chiar dă mesajul din titlu, iar reparația chiar funcționează.

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.