將我的數據擬合成 X = 我的數據后pca = PCA(n_components=1)pca.fit(X)X_pca = pca.fit_transform(X)現在 X_pca 有一個維度。當我按定義執行逆變換時，它不應該返回原始數據，即X，二維數組嗎？當我做X_ori = pca.inverse_transform(X_pca)我得到相同的尺寸但不同的數字。此外，如果我同時繪制 X 和 X_ori 它們是不同的。
2 回答
蕪湖不蕪
TA貢獻1796條經驗 獲得超7個贊
當我按定義執行逆變換時，它不應該返回原始數據
不，如果您指定的組件數量與輸入數據的維度相同，您只能期待這一點。對于任何小于此值的 n_components，在應用逆 PCA 變換后，您將獲得與原始數據集不同的數字：下圖給出了二維說明
眼眸繁星
TA貢獻1873條經驗 獲得超9個贊
它不能這樣做，因為通過使用 PCA 減少維度，您丟失了信息（檢查pca.explained_variance_ratio_您仍然擁有的信息百分比）。但是，它盡量回到原來的空間，看下圖
（生成與
import numpy as np
from sklearn.decomposition import PCA
pca = PCA(1)
X_orig = np.random.rand(10, 2)
X_re_orig = pca.inverse_transform(pca.fit_transform(X_orig))
plt.scatter(X_orig[:, 0], X_orig[:, 1], label='Original points')
plt.scatter(X_re_orig[:, 0], X_re_orig[:, 1], label='InverseTransform')
[plt.plot([X_orig[i, 0], X_re_orig[i, 0]], [X_orig[i, 1], X_re_orig[i, 1]]) for i in range(10)]
plt.legend()
plt.show()
) 如果您保持 n_dimensions 相同（設置pca = PCA(2)，您確實恢復了原始點（新點位于原始點之上）：
添加回答
舉報
0/150
提交
取消