편집 기록

제가 사용하는 코드는 다음과 같습니다.

import pandas as pd 
import numpy as np
from sklearn import preprocessing 
from sklearn.discriminant_analysis import LinearDiscriminantAnalysis as LDA
import seaborn as sns
from sklearn.preprocessing import StandardScaler
import matplotlib.pyplot as plt

df=pd.read_csv("C:/Users/관리자/Desktop/python worksapce/제발.csv")
X=df.iloc[:,:-2]
y=df.iloc[:,-1]
X_scaled= StandardScaler().fit_transform(X)
lda= LDA(n_components=2)
X_reduce=lda.fit_transform(X_scaled,y)
result=pd.DataFrame(np.column_stack([X_reduce,y]),columns=["LDA1","LDA2","label"])

sns.lmplot("LDA1", "LDA2", data=result , fit_reg=False, scatter_kws={"s":12}, hue="label")
plt.show()

붓꽃, 보스턴(?)같은 것을 제외하고, 다른 csv파일등을 LDA를 활용하여 2차원으로 줄이는 공부를 하고 있습니다. 어떤 것들은 원하는 대로 (n ,2 )의 형태로 축소가 되는데 , 어떤 것들은 계속 (n , ) 이렇게 2차원이 아니게 결과가 도출되는데 혹시 이러한 문제가 생기는 원인을 알고 싶습니다.

제가 사용하는 코드는 다음과 같습니다.

import pandas as pd 
import numpy as np
from sklearn import preprocessing 
from sklearn.discriminant_analysis import LinearDiscriminantAnalysis as LDA
import seaborn as sns
from sklearn.preprocessing import StandardScaler
import matplotlib.pyplot as plt

df=pd.read_csv("C:/Users/관리자/Desktop/python worksapce/제발.csv")
X=df.iloc[:,:-2]
y=df.iloc[:,-1]
X_scaled= StandardScaler().fit_transform(X)
lda= LDA(n_components=2)
X_reduce=lda.fit_transform(X_scaled,y)
result=pd.DataFrame(np.column_stack([X_reduce,y]),columns=["LDA1","LDA2","label"])

sns.lmplot("LDA1", "LDA2", data=result , fit_reg=False, scatter_kws={"s":12}, hue="label")
plt.show()

붓꽃, 보스턴(?)같은 것을 제외하고, 다른 csv파일등을 LDA를 활용하여 2차원으로 줄이는 공부를 하고 있습니다. 어떤 것들은 원하는 대로 (n ,2 )의 형태로 축소가 되는데 , 어떤 것들은 계속 (n , ) 이렇게 2차원이 아니게 결과가 도출되는데 혹시 이러한 문제가 생기는 원인을 알고 싶습니다 ㅠ