我正在使用python的scikit-learn包来实现PCA。
domain error :
C:\Users\Akshenndra\Anaconda2\lib\site-packages\sklearn\decomposition\pca.pyc in _assess_dimension_(spectrum, rank, n_samples, n_features)
78 for j in range(i + 1, len(spectrum)):
79 pa += log((spectrum[i] - spectrum[j]) *
---> 80 (1. / spectrum_[j] - 1. / spectrum_[i])) + log(n_samples)
81
82 ll = pu + pl + pv + pp - pa / 2. - rank * log(n_samples) / 2.
ValueError: math domain error
我已经知道数学域错误是当我们取负数的对数时引起的，但是我不明白这里对数内怎么会有负数？因为此代码适用于其他数据集。
也许这与sci-kitlearn网站上写的内容有关-“此实现使用奇异值分解的scipy.linalg实现。它仅适用于密集数组，不能扩展到大尺寸数据。”（ 0个值的数量）
最佳答案
我认为您应该加1作为the numpy log1p description page。
由于当p = 0时log（p + 1）= 0（而log（e-99）= -99），并且作为链接中的引号
对于实值输入，log1p对于x如此小，以至于浮点精度为1 + x == 1
可以对代码进行如下修改，以使您尝试解决的问题更加合理：
for i in range(rank):
for j in range(i + 1, len(spectrum)):
pa += log((spectrum[i] - spectrum[j]) *
(1. / spectrum_[j] - 1. / spectrum_[i]) + 1) + log(n_samples + 1)
ll = pu + pl + pv + pp - pa / 2. - rank * log(n_samples + 1) / 2