>我正在尝试对包含图像的数据集进行主成分分析，但是每当我想从sklearn.decomposition模块应用pca.transform时，我总是收到此错误：*属性错误："PCA"对象没有属性"mean_"*。我知道这个错误意味着什么，但我不知道如何解决它。我想你们中的一些人知道如何解决这个问题。
谢谢你的帮助
我的代码：
from sklearn import svm
import numpy as np
import glob
import os
from PIL import Image
from sklearn.decomposition import PCA
image_dir1 = "C:UsersprivateDesktopK FOLDERprivatetrain"
image_dir2 = "C:UsersprivateDesktopK FOLDERprivatetest1"
Standard_size = (300,200)
pca = PCA(n_components = 10)
file_open = lambda x,y: glob.glob(os.path.join(x,y))
def matrix_image(image_path):
"opens image and converts it to a m*n matrix"
image = Image.open(image_path)
print("changing size from %s to %s" % (str(image.size), str(Standard_size)))
image = image.resize(Standard_size)
image = list(image.getdata())
image = map(list,image)
image = np.array(image)
return image
def flatten_image(image):
"""
takes in a n*m numpy array and flattens it to
an array of the size (1,m*n)
"""
s = image.shape[0] * image.shape[1]
image_wide = image.reshape(1,s)
return image_wide[0]
if __name__ == "__main__":
train_images = file_open(image_dir1,"*.jpg")
test_images = file_open(image_dir2,"*.jpg")
train_set = []
test_set = []
"Loop over all images in files and modify them"
train_set = [flatten_image(matrix_image(image)) for image in train_images]
test_set = [flatten_image(matrix_image(image)) for image in test_images]
train_set = np.array(train_set)
test_set = np.array(test_set)
train_set = pca.fit_transform(train_set) "line where error occurs"
test_set = pca.fit_transform(test_set)
完整回溯：
Traceback (most recent call last):
File "C:UsersPrivateworkspacefinal_submissionsrcd.py", line 54, in <module>
train_set = pca.transform(train_set)
File "C:Python27libsite-packagessklearndecompositionpca.py", line 298, in transform
if self.mean_ is not None:
AttributeError: 'PCA' object has no attribute 'mean_'
编辑1：所以我试图在转换模型之前拟合它，现在我遇到了一个更奇怪的错误。我查了一下，它涉及f2py，一个将Fortran移植到Python的模块，它是Numpy库的一部分。
File "C:UsersPrivateworkspacefinal_submissionsrcd.py", line 54, in <module>
pca.fit(train_set)
File "C:Python27libsite-packagessklearndecompositionpca.py", line 200, in fit
self._fit(X)
File "C:Python27libsite-packagessklearndecompositionpca.py", line 249, in _fit
U, S, V = linalg.svd(X, full_matrices=False)
File "C:Python27libsite-packagesscipylinalgdecomp_svd.py", line 100, in svd
full_matrices=full_matrices, overwrite_a = overwrite_a)
ValueError: failed to create intent(cache|hide)|optional array-- must have defined dimensions but got (0,)
编辑2：
所以我检查了我的train_set和data_set是否包含任何数据，而它们没有。我已经检查了我的image_dirs，它们包含正确的位置（为了清楚起见，我通过转到实际文件，查看其中一个图像的属性并复制位置来获取它们）。错误应该在其他地方。
您应该在转换之前拟合模型：
train_set = np.array(train_set)
test_set = np.array(test_set)
pca.fit(train_set)
pca.fit(test_set)
train_set = pca.transform(train_set) "line where error occurs"
test_set = pca.transform(test_set)
编辑
第二个错误表示您的train_set为空。可以使用以下代码轻松复制它：
train_set = np.array([[]])
pca.fit(train_set)
我认为一个问题在于flatten_image功能。我可能是错的，但这行会引发AttributeError
image.wide = image.reshape(1,s)
它可以替换为：
image_wide = image.reshape(1,s)
return image_wide[0]
这一行也有问题：
print("changing size from %s to %s" % str(image.size), str(Standard_size))
有关更多详细信息，请阅读 http://docs.python.org/2/library/stdtypes.html#string-formatting-operations，但values must be a tuple 。所以你想要这个：
print("changing size from %s to %s" % (str(image.size), str(Standard_size)))
另一个编辑
最后，您将"Loop over all images in files and modify them"后的循环替换为：
train_set = [flatten_image(matrix_image(image)) for image in train_images]
test_set = [flatten_image(matrix_image(image)) for image in test_images]
现在你调用file_open所以它会在路径中查找文件，如下所示："C:UsersprivateDesktopK FOLDERprivatetrainC:UsersprivateDesktopK FOLDERprivatetrainfoo.jpg"，你会得到空列表而不是文件名。
我认为您想应用fit_transform而不是transform.您需要使用 fit 或 fit_transform 生成模型。
以下是文档对每种方法的说明：
拟合（X， y=无） 用 X 拟合模型。
fit_transform（X， y=无） 用 X 拟合模型，并在 X 上应用降维。
您直接应用transform，因此尚未生成模型。