Scikit-learn (sklearn) PCA 在稀疏矩阵上抛出类型错误答案

【问题标题】：Scikit-learn (sklearn) PCA throws Type Error on sparse matrixScikit-learn (sklearn) PCA 在稀疏矩阵上抛出类型错误
【发布时间】：2015-07-26 08:35:04
【问题描述】：

来自 sklearn RandomizedPCA 的documentation，稀疏矩阵被接受为输入。但是，当我用稀疏矩阵调用它时，我得到了一个 TypeError ：

> sklearn.__version__
'0.16.1'
> pca = RandomizedPCA(n_components=2)
> pca.fit(my_sparce_mat)
TypeError: A sparse matrix was passed, but dense data is required. Use X.toarray() to convert to a dense numpy array.

我使用fit_transform 得到了同样的错误。

关于如何让它工作的任何建议？

【问题讨论】：

标签： python scikit-learn sparse-matrix pca

【解决方案1】：

答案是不可能让RandomizedPCA 使用 Scikit-learn 版本 0.16.1（当前稳定版本）的稀疏矩阵。我所指的文档是针对以前版本的 Scikit-learn 的，因此应该为当前的稳定版本使用替代功能。

一个可能的替代方案是TruncatedSVD

【讨论】：

感谢您提出并回答这个问题。那里有很多较早的讨论，其中包含过时的信息，说要使用带有稀疏数组的 RandomizedPCA。如果没有这篇文章，我可能不会轻易偶然发现 TruncatedSVD。