線形回帰でPCAを使用する

Question

線形回帰を適用する前に、主成分分析を使用してノイズを減らしたいと考えています。

私は私のモデルを訓練することができ、このデータでは1000のサンプルと200個の機能

import numpy as np 
from sklearn.linear_model import LinearRegression 
from sklearn.decomposition import PCA 

X = np.random.rand(1000,200) 
y = np.random.rand(1000,1) 

を持っている：私は

PCA

pca = PCA(n_components=8) 
pca.fit(X) 
PCA(copy=True, iterated_power='auto', n_components=3, random_state=None, 
    svd_solver='auto', tol=0.0, whiten=False) 
principal_components = pca.components_ 

model.fit(principal_components,y) 

を適用した後に同じことをしようとした場合

model.fit(X,y) 

しかし、このエラーが表示されます：

ある

pca = PCA(n_components=8) 
X_pca = pca.fit_transform(X) 

model.fit(X_pca,y) 

、あなたは同時にフィットPCA XへとX_pca命名（1000年、8）の配列に変換し：

Answer 1

ValueError: Found input variables with inconsistent numbers of samples: [8, 1000] 

はこれを試してみてください。これは、pca.componentsの代わりに使用する必要があります。