sklearn的PCA反演，维度误差答案

【问题标题】：sklearn's PCA inversion, dimension errorsklearn的PCA反演，维度误差
【发布时间】：2018-12-20 09:14:19
【问题描述】：

试图理解 sklearn.decomposition.PCA API，这让我很难过。
我将数据（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

这究竟应该怎么做？

【问题讨论】：

X_test 是原始数据，您无法反转。你应该这样做pca.inverse_transform(X_test_reduced)

标签： python machine-learning scikit-learn data-science pca

【解决方案1】：

您的问题是您正在尝试将pca.inverse_transform 应用于您的原始数据。该函数的目的是将主成分作为输入并将其转换回数据。在这里，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)，在你的例子中是(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)

【讨论】：