scikit-learnを使った線形判別分析から固有ベクトルを得る方法

Question

scikit-learn線形判別分析オブジェクトから基底変化行列を得るにはどうすればよいですか？

形状m x p有するアレイX（mサンプルおよびp機能）とNクラスの場合、スケーリング行列はp行とN-1列を有しています。この行列は、元の空間から線形の部分空間にデータを変換するために使用できます。

のは、次の例を考えてみましょう：

from sklearn.datasets import make_blobs 
from sklearn.discriminant_analysis import LinearDiscriminantAnalysis as LDA 

X, label = make_blobs(n_samples=100, n_features=2, centers=5, cluster_std=0.10, random_state=0) 
lda = LDA() 
Xlda = lda.fit(X, label) 
Xlda.scalings_ 
#array([[ 7.35157288, 6.76874473], 
#  [-6.45391558, 7.97604449]]) 
Xlda.scalings_.shape 
#(2, 2) 

私は2つの機能と持っているように、私がすべきscalings_のマトリクス状（2,4）を期待アーヤの回答後に編集

---

LDAは5-1のコンポーネントを提供します。

Answer 1

LinearDiscriminantAnalysisオブジェクトldaとしましょう。スケーリングマトリックスにはlda.scalings_としてアクセスできます。これを説明するドキュメントはhereです。

import sklearn.datasets as ds 
from sklearn.discriminant_analysis import LinearDiscriminantAnalysis as LDA 

iris = ds.load_iris() 
iris.data.shape 
# (150, 4) 
len(iris.target_names) 
# 3 

lda = LDA() 
lda.fit(iris.data, iris.target) 
lda.scalings_ 
# array([[-0.81926852, 0.03285975], 
#  [-1.5478732 , 2.15471106], 
#  [ 2.18494056, -0.93024679], 
#  [ 2.85385002, 2.8060046 ]]) 
lda.scalings_.shape 
# (4, 2)