我有一个包含20个数值特征和一个数值响应列的 Pandas 数据框架。我希望首先应用 PCA 将维度降低到10，然后运行线性回归来预测数值响应。我目前使用两个步骤来完成这个任务

pipeline = Pipeline([('scaling', StandardScaler()),                     ('pca', PCA(n_components=20, whiten=True))])newDF = pipeline.fit_transform(numericDF)Y = df["Response"]model = LinearRegression()model.fit(newDF, Y)

有没有办法将线性回归合并到上述管道中？我提出这个问题是因为

1. fit_transform 在线性回归中不被支持。
2. fit_predict 不能与 PCA 一起使用。
3. 这不是一次性的使用案例

如何在同一个管道中运行 PCA 然后是线性回归？

回答：

管道步骤的顺序很重要。最后一步可能实现 predict()，而之前的所有步骤必须有 fit_transform()。另外，从逻辑上讲，你首先转换你的特征，然后应用预测分类/回归模型

Y = df["Response"]X=...pipeline = Pipeline([('scaling', StandardScaler()),                     ('pca', PCA(n_components=20, whiten=True)),                      ('regr',LinearRegression())])newDF = pipeline.fit_predict(numericDF)