Python 如何从线性判别分析中解释变量权重？

我正在进行监督分类。首先，我想找出具有重要权重的变量来区分每个类。我的代码如下：

from sklearn.discriminant_analysis import LinearDiscriminantAnalysis as LDA

X = X_train_std[0:1000,:]
y = y_train[0:1000]
target_names = classes

lda = LDA(n_components=2)
X_r2 = lda.fit(X, y).transform(X)

print('explained variance ratio (first two components) with LDA: %s'
  % str(lda.explained_variance_ratio_)) 

结果是：

explained variance ratio (first two components) with LDA: [0.64492115 0.24080238]

然后我试试这个：

lda.covariance_

我得到一个错误：

AttributeError                            Traceback (most recent call last)
<ipython-input-28-35184940aba0> in <module>
----> 1 lda.covariance_

AttributeError: 'LinearDiscriminantAnalysis' object has no attribute 'covariance_'

AttributeError回溯（最近一次调用）
在里面
---->1 lda协方差_
AttributeError:“LineardScriminantanalysis”对象没有属性“协方差”

你有办法解决那个问题吗？此外，如果你知道创建一个关联圈，那就太好了

---

谢谢。

您必须指定在创建LDA时要存储协方差

要解决这个问题：

lda=lda（n\u组件=2，存储协方差=True）

那应该可以

干杯

---

编辑：有关关联圈，请参见

非常感谢@qmeeus！