Sklearn PCA：用于训练和测试的组件数量不同

Posted 2023-03-12

【中文标题】Sklearn PCA：用于训练和测试的组件数量不同

【英文标题】：Sklearn PCA: Different number of components for train and test

【发布时间】：2018-08-18 04:42:03

【问题描述】：

我正在使用 Sklearn 的 PCA 进行降维。我正在拟合和转换我的输入数据X，如下所示：

pca = PCA(n_components=0.9999)
final_X = pca.fit_transform(X)

这产生了 13 个特征。然后我将它应用到我的测试集：

test_X = pca.fit_transform(test_1)

它只产生 9 个特征，这在我进行预测时是有问题的。我将在具有 13 个特征的数据上进行训练，然后对具有 9 个特征的数据进行测试（不保证 9 个是 13 个特征的子集）。

我是否应该跟踪 PCA 选择的哪些功能，然后只保留那些？

如果是这样，我该怎么做？

谢谢！

【问题讨论】：

你不应该打电话给fit_transform()。你应该打电话给transform()。更多关于my answer 的类似问题。

【参考方案1】：

您应该在测试数据上使用transform 而不是fit_transform，以便training 和testing 数据以相同的方式转换（通过相同的@987654323 @ 模型）。 test_X = pca.transform(test_1)