scikits-learn pca 降维问题

Posted 2023-03-12

【中文标题】scikits-learn pca 降维问题

【英文标题】：scikits-learn pca dimension reduction issue

【发布时间】：2013-03-03 13:58:12

【问题描述】：

我在使用 scikit-learn 和 PCA 进行降维时遇到问题。

我有两个 numpy 矩阵，一个大小为 (1050,4096)，另一个大小为 (50,4096)。我试图减少两者的尺寸以产生 (1050, 399) 和 (50,399) 但是，在完成 pca 之后，我得到了 (1050,399) 和 (50,50) 矩阵。一个矩阵用于 knn 训练，另一个用于 knn 测试。我下面的代码有什么问题？

pca = decomposition.PCA()
pca.fit(train)
pca.n_components = 399
train_reduced = pca.fit_transform(train)
pca.n_components = 399
pca.fit(test)
test_reduced = pca.fit_transform(test)

【参考方案1】：

在火车上致电fit_transform()，在测试中致电transform()：

from sklearn import decomposition

train = np.random.rand(1050, 4096)
test = np.random.rand(50, 4096)

pca = decomposition.PCA()
pca.n_components = 399
train_reduced = pca.fit_transform(train)
test_reduced = pca.transform(test)

【讨论】：

感谢 HYRY，它有效！但是，如果我有第三个矩阵来减少维度（忘记训练和测试），我应该使用哪个？ transform() 还是 fit_transform()？

您应该使用fit_transform() 来获取独立数据。在 (train, test) 集的情况下，它们是相同的数据集，因此您可以适应训练数据，并转换训练数据和测试数据。

不要说两次感谢@mad，而是接受答案！你提出了一个很好的问题，我赞成，你得到了一个很好的答案，你接受它！就这么简单。