SKLearn - 主成分分析导致了knn预测的可怕结果

Question

通过将PCA添加到算法中，我正在努力提高kaggle数字识别教程的％96.5 SKlearn kNN预测分数，但基于PCA输出的新kNN预测非常可怕，如23％。

下面是完整的代码，如果你指出我错在哪里，我会很感激。

import pandas as pd
import numpy as np
import pylab as pl
import os as os
from sklearn import metrics
%pylab inline
os.chdir("/users/******/desktop/python")

traindata=pd.read_csv("train.csv")
traindata=np.array(traindata)
traindata=traindata.astype(float)
X,y=traindata[:,1:],traindata[:,0]

from sklearn.cross_validation import train_test_split
X_train, X_test, y_train, y_test= train_test_split(X,y,test_size=0.25, random_state=33)

#scale & PCA train data
from sklearn import preprocessing
from sklearn.decomposition import PCA
X_train_scaled = preprocessing.scale(X_train)
estimator = PCA(n_components=350)
X_train_pca = estimator.fit_transform(X_train_scaled)

# sum(estimator.explained_variance_ratio_) = 0.96

from sklearn.neighbors import KNeighborsClassifier
neigh = KNeighborsClassifier(n_neighbors=6)
neigh.fit(X_train_pca,y_train)

# scale & PCA test data
X_test_scaled=preprocessing.scale(X_test)
X_test_pca=estimator.fit_transform(X_test_scaled)

y_test_pred=neigh.predict(X_test_pca)
# print metrics.accuracy_score(y_test, y_test_pred) = 0.23
# print metrics.classification_report(y_test, y_test_pred)

Answer 1

当您处理测试数据时，您使用fit_transform(X_test)实际上重新计算了测试数据上的另一个PCA转换。您应该使用transform(X_test)，以便测试数据经历与训练数据相同的转换。

代码部分看起来像（感谢whiten提示的ogrisel）：

estimator = PCA(n_components=350, whiten=True)
X_train_pca = estimator.fit_transform(X_train)
X_test_pca = estimator.transform(X_test)

试试看是否有帮助？

Answer 2

你必须：

1. 在训练集
上拟合和转换（使用.fit_transfrom ）
2. 并且只对您的测试集进行转换（使用.transform ）。