Sklearn PCA问题：训练集与测试集主成分数量不一致

你遇到的这个问题，大概率是踩了新手用PCA时的常见误区——在处理测试集的时候，错误地对测试集重新执行了fit()或者fit_transform()操作，而不是直接用训练好的PCA模型做transform()。先给你明确结论：完全不需要手动跟踪PCA选择的特征，Sklearn的PCA模型会自动记住训练时学到的主成分空间，你只要用正确的流程操作，就能保证训练集和测试集的特征数量一致。

问题根源 #

PCA的主成分数量是在训练集拟合阶段就固定下来的：

• 如果你明确指定了n_components=13，训练好的PCA模型会始终输出13个主成分；
• 如果你没指定这个参数，PCA默认会取min(训练集样本数, 原始特征数)作为主成分数量。如果测试集的样本数比训练集少，这时候对测试集重新fit，就会得到更少的主成分（比如你遇到的9个）。

更关键的是，对测试集重新fit会导致测试集的主成分空间和训练集完全不一致，哪怕特征数量凑巧相同，这些特征的含义也不一样，模型根本无法正常预测。

正确的操作流程 #

下面是标准的PCA降维+模型训练流程，照着做就能彻底解决这个问题：

from sklearn.decomposition import PCA
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier  # 举个模型示例

# 1. 先拆分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 2. 初始化PCA，指定要保留13个主成分
pca = PCA(n_components=13)

# 3. 仅在训练集上拟合PCA，并转换训练数据
X_train_pca = pca.fit_transform(X_train)

# 4. 用训练好的PCA直接转换测试集（绝对不要在这里调用fit！）
X_test_pca = pca.transform(X_test)

# 接下来就可以用转换后的特征训练模型并测试了
model = RandomForestClassifier()
model.fit(X_train_pca, y_train)
y_pred = model.predict(X_test_pca)

额外：查看PCA主成分细节（可选） #

如果只是想分析PCA提取的主成分对应原始特征的权重，而非手动筛选特征，可以用pca.components_属性：

# 输出形状为(13, 原始特征数)的数组，每一行是一个主成分的权重
print("PCA主成分对应的原始特征权重：")
print(pca.components_)

要注意的是，PCA是对原始特征做线性组合得到新的主成分，不是直接选择原始特征的子集，所以完全不需要手动去筛选原始特征。

内容的提问来源于stack exchange，提问作者anon_swe