预测时如何使用主成分分析?

如果在主成分分析的前三个组件上拟合模型,则必须适当转换任何新数据。例如,考虑以下代码: here :

pca = PCA(n_components=n_components, svd_solver='randomized',
          whiten=True).fit(X_train)

X_train_pca = pca.transform(X_train)
X_test_pca = pca.transform(X_test)


clf = GridSearchCV(SVC(kernel='rbf', class_weight='balanced'), param_grid)
clf = clf.fit(X_train_pca, y_train)

y_pred = clf.predict(X_test_pca)

SVM )在转换后的数据上。

X_test 仅包含1个数据点,您仍然可以使用 PCA [1,2,0,5] X_test=[[1,2,0,5]] . 也就是说,它是一个具有1行的2D矩阵。