PCA降维后出现准确率低的问题的一种解决方法经验

本文主要记录在学习PCA时，对训练和测试集分别降维后出现准确率低情况的解决方案

使用MNIST数据集，以linearSVC作为分类器，练习PCA降维。

用MNIST提供的所有训练数据训练分类器后，使用MNIST提供的测试集，准确率达到0.83。

但是在PCA降维，并取80%的特征后，准确率仅仅0.26。

究其原因，我首先将训练集PCA至80%特征(149维)，为了使用linearSVC的predict()函数，我又用PCA将测试集数据降至149维。

在上一段就出现了错误: 两个数据集分别经过PCA降维之后，已经成为完全不同的数据——我还未考虑其中的数学原理，但就实验结果来看，必须要将所有数据放在一起降维，然后再使用sklearn 中的train_test_split()划分训练与测试集。此时，准确率达到了0.9。

但是这个结果也很奇怪——它(56,000)高于使用所有训练集(60,000)的准确率。

可能因为去除了噪声?我还没有花时间去想。

欢迎指正，欢迎大家讨论!

谢谢!