fit_transform()方法的参数举例

fit_transform()方法的参数包括：

1. X：输入数据矩阵，必需参数。X应该是一个二维数组，其中行表示样本，列表示特征。

2. y：标签数据矩阵，可选参数。如果使用有监督的降维方法，需要提供标签数据矩阵y。如果不使用有监督的降维方法，可以省略该参数。

3. sample_weight：样本权重矩阵，可选参数。如果某些样本在训练中的重要性不同，可以提供样本权重矩阵。如果所有样本的重要性相同，可以省略该参数。

下面是一个简单的示例，展示了如何使用fit_transform()方法并传递参数：

import numpy as np
from sklearn.decomposition import PCA

# 创建一个5x5的随机矩阵作为输入数据
X = np.random.rand(5, 5)

# 创建一个5个样本的标签向量
y = np.array([0, 1, 0, 1, 0])

# 创建一个5个样本的权重向量
sample_weight = np.array([1, 2, 1, 2, 1])

# 实例化一个PCA对象
pca = PCA(n_components=2)

# 使用PCA对象对输入数据进行降维，并传递标签和权重参数
X_pca = pca.fit_transform(X, y=y, sample_weight=sample_weight)

在上面的示例中，我们使用了一个5x5的随机矩阵作为输入数据，创建了一个5个样本的标签向量和5个样本的权重向量。然后，我们实例化了一个PCA对象，并使用fit_transform()方法对输入数据进行了降维，并传递了标签和权重参数。