如何应用PCA和Random Forest训练的模型来测试数据？

Question

在解决机器学习问题之一时，我正在实施PCA训练数据，然后使用sklearn在火车数据上应用.transform。在观察方差后，我只保留方差很大的变换数据中的那些列。然后我使用RandomForestClassifier训练模型。现在，我很困惑如何将测试数据应用于测试数据，因为测试数据的列数和保留的变换数据（应用随机森林）是不同的。任何解决方案将不胜感激。

谢谢。

Answer 1

如果这是你所寻求的，这是一种做法...理想情况下，你应该在测试和训练中使用相同数量的主要成分......否则就会违背保留集的目的。 / p>

pca = PCA(n_components=20)
train_features = pca.fit_transform(train_data)

rfr = sklearn.RandomForestClassifier(n_estimators = 100, n_jobs = 1, 
                                         random_state = 2016, verbose = 1,
                                         class_weight='balanced',oob_score=True)

rfr.fit(train_features)

test_features = pca.transform(test_data)
rfr.predict(test_features)