Scikit learn X#u转换的#u拟合#u属性错误：AttributeError:'；KernelPCA'；对象没有属性'；X#u变换#u拟合'；

我试图获得我的数据集中哪些特征会影响主成分，并试图观察我的数据如何与我的内核PCA算法相匹配。 我试图使用纪录片中存在的X_transformed_fit_属性，但我得到了以下错误：AttributeError:“KernelPCA”对象没有属性“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_

如果这不是我获得如何解释KPCA组成的方法，那么我如何理解这些主成分是如何构建的？

---

我进行调查的原因是，我将继续使用聚类算法实现（K-means，凝聚HC）进行此过程，并且我希望了解最终将从算法中导出的不同聚类的特征（通过了解主成分的结构）

只有将参数

fit\u inverse\u transform

设置为

True

时，属性

X\u transformed\u fit\u

才可用

尝试：

---

您能告诉我，在kpca分配X_变换_拟合_的确切目的是什么吗？因为它极大地改变了特征值和特征向量的计算结果@维韦克Kumar@Beg对不起，我不知道。您可以在scikit学习邮件列表中询问此问题

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