Scikit learn scikit学习PCA-变换结果

我有一个时间序列的第一个差异，我应用PCA使用scikit获得第一台电脑

# data is a timeseries of first differences
pca = PCA(n_components=1)
pca.fit(data)
pc1_trans = pca.transform(data)
pc1_dot = numpy.dot( data, pca.components_.T)
plt.plot( numpy.cumsum( pc1_dot )  )
plt.plot( numpy.cumsum( pc1_trans ) ) 

我认为原始数据和第一个组件之间的点积（投影）的结果将产生与调用pca.transform相同的结果，但事实并非如此（下面的结果；橙色线是来自transform的数据）。为什么会这样？ 找到了答案

scikit PCA向您展示了对去均值数据的变换，因此它们是等效的：

pc1_trans = pca.transform(data)
pc1_dot = numpy.dot( data - data.mean(), pca.components_.T)

找到了答案

scikit PCA向您展示了对去均值数据的变换，因此它们是等效的：

pc1_trans = pca.transform(data)
pc1_dot = numpy.dot( data - data.mean(), pca.components_.T)