如何应用PCA和随机森林训练的模型来测试数据？

Question

在解决一个机器学习问题时，我对训练数据实施 PCA，然后使用 sklearn 对训练数据应用 .transform。观察方差后，我仅保留转换数据中方差较大的那些列。然后我使用 RandomForestClassifier 训练模型。现在，我很困惑：由于测试数据和保留的转换数据（应用随机森林）的列数不同，如何将训练好的模型应用于测试数据？

Answer 1

如果这是您所寻求的，这里有一种方法...理想情况下，您应该在测试和训练中使用相同数量的主要组件...否则就达不到保留集的目的。

pca = PCA(n_components=20)
train_features = pca.fit_transform(train_data)

rfr = sklearn.RandomForestClassifier(n_estimators = 100, n_jobs = 1, 
                                         random_state = 2016, verbose = 1,
                                         class_weight='balanced',oob_score=True)

rfr.fit(train_features)

test_features = pca.transform(test_data)
rfr.predict(test_features)