Question

试图了解sklearn.decomposition.PCA API，这让我很难受。
我将数据（40个特征x 10个样本）划分为训练（39个样本）和测试子集（1个样本）。

我用 我认为/猜测 发生的事情注释了代码。

X_train, X_test = X_all[ix1], X_all[ix2]

# Instantiate PCA
pca = PCA(n_components=n_comps)

# train the model
X_train_reduced = pca.fit_transform(X_train)

# reduce X_test
X_test_reduced = pca.transform(X_test)

# invert X_test back to original number of components
X_test_inv = pca.inverse_transform(X_test)  # <--- ERROR

....
[this would continue with checking errors bassed on n_comps]

所指示的行上的错误指出以下内容：
形状（1,40）和（n_comps，40）不对齐：40（dim 1）！= n_comps（dim 0）

编辑：变量的尺寸：
X_test = 1 x 40
X_train = 9 x 40
X_test_reduced = 9 x n_comps

该如何实际上完成？

Answer 1

您的问题是，您尝试将pca.inverse_transform应用于原始数据。此功能的目的是将主要成分作为输入并将其转换回数据。在这里，您将传递数据作为输入。

从文档中

http://scikit-learn.org/stable/modules/generated/sklearn.decomposition.PCA.html#sklearn.decomposition.PCA.inverse_transform

您看到对于pca.inverse_transform，输入应为X : array-like, shape (n_samples, n_components)，在您的情况下为(1, 10)，这就是为什么出现此错误的原因

我想你想做的是

X_test_inversed = pca.inverse_transform(X_test_reduced)

sklearn的PCA反演，尺寸错误

1 个答案: