sklearn的PCA反演，维度错误

Question

试图理解 sklearn.decomposition.PCA API，这让我很难过。
我将我的数据（40 个特征 x 10 个样本）分为训练（39 个样本）和测试子集（1 个样本）。

我用我认为/猜测正在发生的事情评论了代码。

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]

指示行上的错误说明如下：
形状 (1,40) 和 (n_comps,40) 未对齐：40 (dim 1) != n_comps (dim 0)

编辑：变量的维度：
X_test = 1 x 40
X_train = 9 x 40
X_test_reduced = 9 x n_comps

这个实际上应该怎么做？

Answer 1

您的问题是您正在尝试将 pca.inverse_transform 应用于您的原始数据。此函数的目的是将主成分作为输入并将其转换回数据。此处您将数据作为输入传递。

来自文档：

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

你看到 pca.inverse_transform 的输入应该是 X : array-like, shape (n_samples, n_components)，在你的情况下是 (1, 10)，这就是你得到这个错误的原因

我猜你想做的是

X_test_inversed = pca.inverse_transform(X_test_reduced)

sklearn的PCA反演，维度错误

sklearn's PCA inversion, dimension error

python

machine-learning

pca

scikit-learn

data-science