我在我的项目中使用了Kernel fisher的判别分析，它工作得很好。但是我的问题是当我用核函数映射我的数据集时，所有的数据以及所有的特征值和特征向量都在那个空间里，为了测试新的样本，我面临一些问题。让我举个例子来解释。例如，当我有50个样本，每个样本有10个特征来描述，我的数据矩阵是50 × 10，映射这个函数将在新的特征空间中得到一个50 × 50的矩阵。所以特征向量(FDA中的W)也在50D空间中。现在测试一个新的样本，它是一个有10个元素作为特征的向量，映射的数据矩阵将是10 × 10，并且它不在50D空间中，所以我不能将它投影到W中以获得它属于哪个类…请帮帮我，我该怎么办?
您不应该将测试点映射到本身，而是映射到训练集。这就是为什么核方法(尤其是非稀疏方法)通常不能很好地扩展的原因——你必须一直保持旧的训练集。因此，你将通过K(TEstrongAMPLES, TRAINING_SET)得到你的投影，它是10x50，可以在你的50维空间中使用。