在线性回归中使用 PCA

Question

我想在应用线性回归之前使用主成分分析来减少一些噪音。

我有 1000 个样本和 200 个特征

import numpy as np
from sklearn.linear_model import LinearRegression
from sklearn.decomposition import PCA

X = np.random.rand(1000,200)
y = np.random.rand(1000,1)

有了这些数据，我可以训练我的模型：

model.fit(X,y)

但如果我在应用 PCA 后尝试相同的方法

pca = PCA(n_components=8)
pca.fit(X)
PCA(copy=True, iterated_power='auto', n_components=3, random_state=None,
  svd_solver='auto', tol=0.0, whiten=False)
principal_components =  pca.components_

model.fit(principal_components,y)

我收到这个错误：

ValueError: Found input variables with inconsistent numbers of samples: [8, 1000]

Answer 1

试试这个：

pca = PCA(n_components=8)
X_pca = pca.fit_transform(X)

model.fit(X_pca,y)

也就是说，您同时将 PCA 拟合到 X 并将其转换为名为 X_pca 的 (1000, 8) 数组。这就是你应该使用的而不是 pca.components_

在线性回归中使用 PCA

Using PCA on linear regression

python

machine-learning

pca

scikit-learn