x = data.valuesy = target.valueslda = LDA(solver='eigen', shrinkage='auto',n_components=2)df_lda = lda.fit(x,y).transform(x)df_lda.shape这是代码的一小部分。我试图将维度降低到最具区分性的方向上。据我所知，transform()函数会将数据投影到最大化类别分离的方向上，对于我的数据集应该返回形状为(n_samples, n_components)的数组。
但我的df_lda的形状是(614, 1)。
我在这里遗漏了什么？还是我的数据不是线性可分的？
回答：
对于target.values中K个不同类别的情况，变换后的数据中有K-1个组件（在没有进一步降维的情况下）。由于你的数据集中只有两个类别，因此只有一个变换后的组件，所以你无法得到更多的组件。
我认为如果sklearn在你请求的组件数超过可用组件数时发出警告，可能会有所帮助。
