sklearn PCA fit_transform() 是不是居中输入变量？

Posted 2023-02-16

【中文标题】sklearn PCA fit_transform() 是不是居中输入变量？

【英文标题】：Does sklearn PCA fit_transform() center input variables?sklearn PCA fit_transform() 是否居中输入变量？

【发布时间】：2020-02-17 20:53:43

【问题描述】：

标题中的问题。拨打pca.fit(X) 后，假设我拨打了pca.fit_transform(new_X)。 new_X 是否被 PCA 自动居中？文档在这一点上不清楚。

【参考方案1】：

来自文档：

使用奇异值分解的线性降维 将数据投影到低维空间。输入数据是 在应用 SVD 之前，居中但未针对每个特征进行缩放。

https://scikit-learn.org/stable/modules/generated/sklearn.decomposition.PCA.html

fit_transform 相当于在同一个输入矩阵上连续运行fit 和transform。 fit 函数计算使数据居中的均值，transform 函数使用在fit 期间计算的均值应用均值居中。

因此，要适应一个矩阵，并将从该矩阵学习的居中参数应用到另一个矩阵（例如，将在训练集上学习的模型应用到测试/验证集时），您需要使用 @分别为 987654329@ 和 transform。

【讨论】：

这不能回答我的问题。这是否意味着fit_transform 以输入矩阵为中心，或者只是fit？

谢谢！这解决了我处理了一天的一些奇怪行为！

@RylanSchaeffer，是的，sklearn 中的这个函数以输入矩阵为中心。另请查看此链接：stats.stackexchange.com/a/235931/134555