使用LDA算法时遇TypeError: fit()缺少必填参数'y'的问题求助

错误根源 #

LinearDiscriminantAnalysis（LDA）是监督学习类的维度约减算法，它必须依赖样本的标签信息（也就是y参数）来完成特征提取。你调用fit_transform时只传了特征矩阵data_set_scaled，没传标签，所以触发了参数缺失的错误。你之前的两次修改只是调整了类的实例化写法，完全没触及核心问题，自然没用。

正确代码写法 #

假设你的标签数据存在y_labels变量里，正确代码如下：

from sklearn.discriminant_analysis import LinearDiscriminantAnalysis

# 实例化LDA模型
lda = LinearDiscriminantAnalysis(n_components=20)
# 同时传入特征矩阵和标签数据
data_set_scaled = lda.fit_transform(data_set_scaled, y_labels)

注意事项 #

• n_components的取值上限是类别数减1，比如你的数据集有8个类别，这个参数最大只能设为7，超出会报错。
• 如果你的数据集没有标签，那LDA不适合用，换PCA这类无监督维度约减算法就行。

内容的提问来源于stack exchange，提问作者Aous Salha