PCA如何适应变换测试集

Question

我使用from sklearn.decomposition import PCA library, IncrementalPCA来减少问题的维度，如下所示：

training_data = [...] 
training_target = [...]
test_data = [...]
test_target = [...] 
ipca = IncrementalPCA(n_components, batch_size)
new_training_data = ipca.fit_transform(training_data)

要使用给定的分类器运行测试，我需要使用训练集中获得的信息（例如特征值和特征向量）来拟合测试集，以减少新训练集的相同大小。但是我怎么能用这个库（或其他一些）来做这件事，因为ipca.fit_transform(data)没有向我返回任何东西，例如eigpairs或一些值来调整测试集的维度？

Answer 1

在您致电IncrementalPCA或fit后，转化是fit_transform对象的内部转化。当您调用icpa.fit_transform时，您告诉它确定给定数据的主成分变换，并将该变换应用于数据。要转换另一个数据集，只需使用受过训练的transform对象的IncrementalPCA方法：

new_test_data = ipca.transform(test_data)