以复数为响应的降维和数值回归分析

问题描述

我有一个数据集，其中包含来自某些分析的幅度和相位作为响应，这些响应（200个响应）位于 COMPLEX NUMBERS

由于数据集包含大量输入参数（所有存储库的输入参数都相同），因此我想使用 selectkbest 方法来减小尺寸，但是 { {3}} ，不支持复杂数据所以，

问题1：

是否有任何方法可以像selecktkbest一样减小尺寸，可以将 COMPLEX NUMBERS 作为响应？

问题2：

是否有可能以复数作为响应在神经网络中进行数值回归分析？

<ipython-input-11-3df44143e2f3> in <module>
      2 Y = responses
      3 best_features = SelectKBest(score_func=f_regression,k=50)
----> 4 fit = best_features.fit(X,Y)
      5 df_scores = pd.DataFrame(fit.scores_)
      6 df_columns = pd.DataFrame(X.columns)

~\Anaconda3\lib\site-packages\sklearn\feature_selection\_univariate_selection.py in fit(self,X,y)
    339         self : object
    340         """
--> 341         X,y = check_X_y(X,y,['csr','csc'],multi_output=True)
    342 
    343         if not callable(self.score_func):

~\Anaconda3\lib\site-packages\sklearn\utils\validation.py in check_X_y(X,accept_sparse,accept_large_sparse,dtype,order,copy,force_all_finite,ensure_2d,allow_nd,multi_output,ensure_min_samples,ensure_min_features,y_numeric,warn_on_dtype,estimator)
    756     if multi_output:
    757         y = check_array(y,'csr',force_all_finite=True,ensure_2d=False,--> 758                         dtype=None)
    759     else:
    760         y = column_or_1d(y,warn=True)

~\Anaconda3\lib\site-packages\sklearn\utils\validation.py in check_array(array,estimator)
    538         # result is that np.array(..) produces an array of complex dtype
    539         # and we need to catch and raise exception for such cases.
--> 540         _ensure_no_complex_data(array)
    541 
    542         if ensure_2d:

~\Anaconda3\lib\site-packages\sklearn\utils\validation.py in _ensure_no_complex_data(array)
    345             and hasattr(array.dtype,'kind') and array.dtype.kind == "c":
    346         raise ValueError("Complex data not supported\n"
--> 347                          "{}\n".format(array))
    348 
    349 

ValueError: Complex data not supported
[21.+175.j 98.+198.j 28.+130.j ... 83.+146.j 57.+187.j 95.+191.j]```

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）