X_transformed_fit_ 属性错误：AttributeError：“KernelPCA”对象没有属性“X_transformed_fit_”

Question

我正在尝试获取我的数据集中的哪些特征会影响主要成分，并尝试观察我的数据如何适合我的内核 PCA 算法。 我尝试使用纪录片中存在的 X_transformed_fit_ 属性，但出现此错误：AttributeError: 'KernelPCA' object has no attribute 'X_transformed_fit_'

我的 KPCA 代码如下：

from sklearn.decomposition import KernelPCA
kpca = KernelPCA(n_components = 2, kernel = 'cosine', fit_inverse_transform = False)
X = kpca.fit_transform(X)
kpca.X_transformed_fit_

如果不是我能够获得如何解释我的 KPCA 的构成的方式，那么我将如何理解这些主成分是构造的？ 我正在调查的原因是，我将通过聚类算法实现（K-means，凝聚 HC）继续这个过程，并且我想了解我的不同聚类的特征，这些特征将来自最后的算法（通过了解主要成分的结构）。

Answer 1

属性X_transformed_fit_仅在将参数fit_inverse_transform设置为True时可用。

试试：

kpca = KernelPCA(n_components = 2, kernel = 'cosine', fit_inverse_transform = True)
X = kpca.fit_transform(X)
kpca.X_transformed_fit_