将pca应用于测试数据

Question

我正在尝试使用sklearn执行PCA的python实现。我创建了以下函数：

def dimensionality_reduction(train_dataset_mod1, train_dataset_mod2, test_dataset_mod1, test_dataset_mod2):

  pca = PCA(n_components= 200)
  pca.fit(train_dataset_mod1.transpose())
  mod1_features_train = pca.components_
  pca2 = PCA(n_components=200)
  pca2.fit(train_dataset_mod2.transpose())
  mod2_features_train = pca2.components_
  mod1_features_test = pca.transform(test_dataset_mod1)
  mod2_features_test = pca2.transform(test_dataset_mod2)

  return mod1_features_train.transpose(), mod2_features_train.transpose(), mod1_features_test, mod2_features_test

我的矩阵的大小如下：

  

train_dataset_mod1 733x5000
  test_dataset_mod1 360x5000
  mod1_features_train 200x733
  train_dataset_mod2 733x8000
  test_dataset_mod2 360x8000
  mod2_features_train 200x733

但是，当我尝试运行整个脚本时，我收到以下消息：

  

文件＆＃34; \ Anaconda2 \ lib \ site-packages \ sklearn \ decomposition \ base.py＆＃34;，第132行，在转换中       X = X - self.mean _

问题是什么？如何将pca应用于测试数据？

这里是mod1的pca调试示例：

转换后的数据集mod1_features_train和mod1_features_train的大小均为500x733。但是我不能用test_dataset_mod1和test_dataset_mod2做同样的事情，为什么？

编辑：在调试过程中，我注意到了pca的base.py文件，有一个操作X = X - self.mean，其中X是我的测试数据，self_mean是从适合火车组（slf_mean的大小是733，与X不匹配）。如果我在训练过程中删除了transpose（），pca正常工作没有错误，test_dataset_mod1和test_dataset_mod2的大小正确为360x500，但是，train_dataset_mod1和train_dataset_mod2的大小错误为5000x500 ???

Answer 1

你不应该在拟合函数中调换矩阵，或者如果必须，你必须在变换函数中转置矩阵：

pca.fit(train_dataset_mod1)
  pca2.fit(train_dataset_mod2)
  mod1_features_test = pca.transform(test_dataset_mod1)
  mod2_features_test = pca2.transform(test_dataset_mod2)

或：

pca.fit(train_dataset_mod1.transpose())
  pca2.fit(train_dataset_mod2.transpose())
  mod1_features_test = pca.transform(test_dataset_mod1.transpose())
  mod2_features_test = pca2.transform(test_dataset_mod2.transpose())