我可以使用 PCA 进行降维，然后将其 o/p 用于 python 中的一类 SVM 分类器吗答案

【问题标题】：can I use PCA for dimensionality reduction and then use its o/p for one class SVM classifier in python我可以使用 PCA 进行降维，然后将其 o/p 用于 python 中的一类 SVM 分类器吗
【发布时间】：2017-12-19 13:07:46
【问题描述】：

我想使用 PCA 进行降维，然后将其 o/p 用于 python 中的一类 SVM 分类器。我的训练数据集大小为 16000x60。另外如何将主成分映射到原始列以在 SVM 中使用，或者我可以直接使用主成分吗？

【问题讨论】：

请清楚你到底想做什么minimal reproducible example。 一类SVM分类器是什么意思？
@Rick：一类 SVM 是机器学习中定义明确的术语。
我知道这是机器学习中定义明确的术语，但是你所说的一类SVM是什么意思，要清楚！
我想减少数据并用它来提供一类 svm。只会检测到正数据和异常值。

标签： machine-learning svm data-mining pca

【解决方案1】：

目前还不清楚问题是什么，您已经尝试了什么。当然可以。您可以将 PCA 输出添加到原始集，也可以仅将输出用作单个特征。我鼓励您使用 sklearn 管道。

简单示例：

from sklearn import decomposition, datasets
from sklearn.pipeline import Pipeline
from sklearn import svm

svc = svm.SVC()
pca = decomposition.PCA()

pipe = Pipeline(steps=[('pca', pca), ('svc', svc)])

digits = datasets.load_digits()
X_digits = digits.data
y_digits = digits.target

pipe.fit(X_digits, y_digits)
print(pipe.score(X_digits,y_digits))

【讨论】：