Scikit learn 基于PCA的sklearn降维算法

我想在sklearn中通过PCA将图像的维数从（480640,3）降到（1512）。因此，我将图像重塑为（1921600）。然后，我执行pca以降低维度。但它改为（1,1），而不是（1512）

有谁能告诉我如何缩小单个图像的尺寸？谢谢，这是意料之中的事

PCA是一种统计程序，使用正交变换将可能相关变量的一组观察值转换为一组线性不相关变量值，称为主成分（有时称为主要变化模式）

在形状

（1921600）

上拟合PCA意味着它是一个具有921600特征的样本

:

n_组件==min（n_样本，n_特征）

这是意料之中的

PCA是一种统计程序，使用正交变换将可能相关变量的一组观察值转换为一组线性不相关变量值，称为主成分（有时称为主要变化模式）

在形状

（1921600）

上拟合PCA意味着它是一个具有921600特征的样本

:

n_组件==min（n_样本，n_特征）

缩小单个图像的尺寸这本身没有意义。您需要指定并考虑如何降低维度；从高维空间到低维空间的标准是什么？（或者，如果这个问题太难接受，你想达到什么目的？）缩小单个图像的尺寸这本身就没有意义。您需要指定并考虑如何降低维度；从高维空间到低维空间的标准是什么？（或者，如果这个问题太难接受，你想达到什么目的？）

>>> img.shape
(1, 921600)
>>> pca = PCA(n_components=512)
>>> pca.fit_transform(img).shape
(1, 1)