将新向量添加到 PCA 新空间数据 python

【问题标题】：Add new vector to PCA new space data python将新向量添加到 PCA 新空间数据 python
【发布时间】：2016-11-29 20:46:09
【问题描述】：

假设我有 9 维和 6000 个样本的训练数据，我使用 sklearn PCA 应用了 PCA 算法。
我将它的维度减少到 4，并且知道我想尽快将一个具有 9 个特征的新样本转换到具有 4 个组件的训练数据空间。
这是我的第一个 pca 代码：

X_std = StandardScaler().fit_transform(df1)
pca = PCA(n_components = 4)
result = pca.fit_transform(X_std)

sklearn pca 函数有没有办法做到这一点？

【问题讨论】：

【解决方案1】：

如果您想将原始矩阵转换为 PCA 提供的降维投影，您可以使用 transform 函数，该函数将对特征向量和输入矩阵进行有效的内积：

pca = PCA(n_components=4)
pca.fit(X_train)
X_std_reducted = pca.transform(X_std)

来自 scikit 源码：

X_transformed = fast_dot(X, self.components_.T)

因此，应用 PCA 转换只是一种线性组合——非常快。现在，您可以将投影应用于训练集以及我们将来要测试的任何新数据。

【讨论】：