予測中に主成分分析を使用する方法

Question

元のデータセットに8つの機能があり、n_components = 3（sklearn.decomposition.PCAを使用しています）とPCAを適用したとします。その後、私は3つのPCAコンポーネント（これは私の新しい機能です）を使用してモデルを訓練します。

予測しながらPCAを適用する必要がありますか？ データポイントを1つしか予測していなくても、この操作を行う必要はありますか？

私が予測するとき、すべてのデータポイントは2Dマトリックスの行です（予測するすべてのデータポイントで構成されています）。だから、ただ1つのデータポイントにPCAを適用すると、対応する行ベクトルはゼロベクトルに変換されます。

Answer 1

モデルをPCAの最初の3つのコンポーネントに合わせた場合は、新しいデータを適切に変換する必要があります。彼らは最初のtrainigにPCAに合わせて、コードで

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) 

：たとえば、hereから撮影したこのコードを検討してください。次に、それらは訓練とテストの両方を変換し、変換されたデータにモデルを適用します（その場合はSVM）。

X_testが1データポイントのみで構成されていても、PCAを使用できます。データを2Dマトリックスに変換するだけです。たとえば、データポイントが[1,2,0,5]の場合、X_test=[[1,2,0,5]]です。つまり、1行の2D行列です。