KernelPCA 产生 NaN 值

在将 KernelPCA 应用于我的数据并将其传递给分类器（SVC）后，我遇到了以下错误：

ValueError: 输入包含 NaN、无穷大或对于 dtype(‘float64’) 来说过大的值。

在执行 KernelPCA 时，我还收到了以下警告：

RuntimeWarning: 在 sqrt 中遇到无效值 X_transformed = self.alphas_ * np.sqrt(self.lambdas_)

查看转换后的数据，我发现了几个 nan 值。

无论我使用哪种 kernel，情况都没有变化。我尝试了 cosine、rbf 和 linear。

但有趣的是：

更多信息：

有什么办法可以克服这个问题，以及可能的原因是什么？

回答：

NaNs 的产生是因为输入矩阵的特征值（self.lambdas_）为负值，这会引发 ValueError，因为平方根不能处理负值。

可以通过设置 KernelPCA(remove_zero_eig=True, ...) 来解决这个问题，但这样做将无法保留数据的原始维度。使用此参数是最后的手段，因为模型的结果可能会出现偏差。

实际上，已经指出负特征值表明模型规格错误，这显然是不好的。避免这一事实而不损害数据维度的方法可能是减少原始特征的数量，这些特征之间高度相关。尝试构建相关矩阵，看看这些值是什么。然后，尝试省略冗余特征并再次拟合 KernelPCA()。

学技术