以下用於 PCA 降維去除雜訊的程式碼有一個邏輯錯誤，應如何修正？
```python
from sklearn.decomposition import PCA
import numpy as np
X = np.random.randn(100, 20)
pca = PCA(n_components=5)
pca.fit(X)
X_denoised = pca.transform(X) # 錯誤行
```

Question

以下用於 PCA 降維去除雜訊的程式碼有一個邏輯錯誤，應如何修正？
```python
from sklearn.decomposition import PCA
import numpy as np
X = np.random.randn(100, 20)
pca = PCA(n_components=5)
pca.fit(X)
X_denoised = pca.transform(X)  # 錯誤行
```

Accepted Answer

B. 將最後一行改為 X_denoised = pca.inverse_transform(pca.transform(X))。PCA 去雜訊的流程：先用 transform 將資料投影到低維主成分空間，再用 inverse_transform 將其重構回原始維度空間。重構後的資料只保留主要成分，去除了對應小特徵值的雜訊成分。僅用 transform 輸出的是 5 維低維表示，不是去雜訊後的原始維度資料。

Answer

A. 將 PCA 的 n_components 改為 10

Answer

B. 將最後一行改為 X_denoised = pca.inverse_transform(pca.transform(X))

Answer

C. 在 fit 前先對 X 進行標準化

Answer

D. 將 pca.fit(X) 改為 pca.fit_transform(X)

iPAS 考題解析以下用於 PCA 降維去除雜訊的程式碼有一個邏輯錯誤，應如何修正？ ```python from sklearn.decomposition import PCA import numpy as np X = np.random.randn(100, 20) pca = PCA(n_components=5) pca.fit(X) X_denoised = pca.transform(X) # 錯誤行 ```

你的作答

解析

每個選項為什麼對或錯