我在尝试理解sklearn.decomposition.PCA的API时遇到了困难。
我将数据（40个特征 x 10个样本）分为训练集（39个样本）和测试集（1个样本）。

我对代码进行了注释，注释内容是我认为/猜测的操作过程。

X_train, X_test = X_all[ix1], X_all[ix2]# 实例化PCA对象pca = PCA(n_components=n_comps)# 训练模型X_train_reduced = pca.fit_transform(X_train)# 降维X_testX_test_reduced = pca.transform(X_test)# 将X_test逆变换回原始维度X_test_inv = pca.inverse_transform(X_test)  # <--- 错误....[这将继续根据n_comps检查错误]

在指示的行上出现了以下错误：
形状 (1,40) 和 (n_comps,40) 不对齐：40 (维度1) != n_comps (维度0)

编辑：变量的维度如下：
X_test = 1 x 40
X_train = 9 x 40
X_test_reduced = 9 x n_comps

这应该实际如何操作？

回答：

你的问题在于你试图对原始数据应用pca.inverse_transform。这个函数的目的是将主成分作为输入，并将其变换回数据。你这里传递的是数据，而不是主成分。

从文档中可以看到：

http://scikit-learn.org/stable/modules/generated/sklearn.decomposition.PCA.html#sklearn.decomposition.PCA.inverse_transform

你会发现pca.inverse_transform的输入应该是X : array-like, shape (n_samples, n_components)，在你的情况下是(1, 10)，这就是你得到这个错误的原因

我想你想要做的应该是

X_test_inversed = pca.inverse_transform(X_test_reduced)