PCA 如何在测试集上拟合变换

Question

我正在使用from sklearn.decomposition import PCA library, IncrementalPCA来降低我的问题的维度，如下所示：

training_data = [...] 
training_target = [...]
test_data = [...]
test_target = [...] 
ipca = IncrementalPCA(n_components, batch_size)
new_training_data = ipca.fit_transform(training_data)

要使用给定的分类器运行测试，我需要使用在训练集中获得的信息（如特征值和特征向量）来拟合测试集，以减少新训练集的相同大小。但是我怎么能用这个库（或其他库）来做到这一点，因为ipca.fit_transform(data)它不会向我返回任何东西，比如 eigpairs 或一些值来调整测试集的维度？

Answer 1

IncrementalPCA调用fit或后，转换是对象内部的fit_transform。当您调用 时icpa.fit_transform，您是在告诉它确定给定数据的主成分变换并将该变换应用于数据。然后转换另一个数据集，只需使用transform训练IncrementalPCA对象的方法：

new_test_data = ipca.transform(test_data)