1
我正在做多個目標迴歸，所以我想同時預測幾個數字。這些數字高度相關，所以我認爲預測他們的個人電腦是一個更明智的方法。使用sklearn的目標上的PCA？
使用sklearn的Pipeline非常適合菊花鏈連接MinMaxScaler，PCA和我想使用的迴歸器;然後讓我把這個管道叫做預測。
但是，Pipeline是否僅將PCA應用於輸入？是否可以使用相同的策略，但是也可以在我想要預測的輸出上執行PCA？
我正在做多個目標迴歸，所以我想同時預測幾個數字。這些數字高度相關，所以我認爲預測他們的個人電腦是一個更明智的方法。使用sklearn的目標上的PCA？
使用sklearn的Pipeline非常適合菊花鏈連接MinMaxScaler，PCA和我想使用的迴歸器;然後讓我把這個管道叫做預測。
但是，Pipeline是否僅將PCA應用於輸入？是否可以使用相同的策略，但是也可以在我想要預測的輸出上執行PCA？
不，可以在流水線中僅使用步驟來轉換X參數。您可以爲y創建附加管道，其中所有步驟都應該是變換器，然後將此管道的結果作爲y輸入到分類器。
爲了澄清這個問題，您問的是，您是否可以使用與您所描述的相同管道（MinMaxScaler，PCA和regressor）相同的PCA輸出迴歸器？ – NBartley
您打算如何在測試時間應用您的預測器（您如何評估原始非PCA目標的正確性）？請注意，如果您在縮減維空間中進行預測，則通常無法將結果轉換回輸出空間的原始維度。除非你正在進行某種中間監督，否則這將毫無意義，其中維度減少的輸出空間可用作後面預測器層的輸入。 – eqzx
@eqzx你是什麼意思'你不能轉換回輸出空間的原始維度'？一旦獲得減少的輸出，您總是可以逆向變換PCA變換。 – Michael