我正在尝试获取数据集中的哪些特征影响主成分，并尝试观察我的数据如何适应我的内核 PCA 算法。 我尝试使用纪录片中存在的X_transformed_fit_属性，但出现此错误：属性错误："内核PCA"对象没有属性"X_transformed_fit_">
我的KPCA代码如下：
from sklearn.decomposition import KernelPCA
kpca = KernelPCA(n_components = 2, kernel = 'cosine', fit_inverse_transform = False)
X = kpca.fit_transform(X)
kpca.X_transformed_fit_
如果这不是我获得如何解释我的KPCA组成的方式，那么我将如何理解这些主要组成部分是构建的？ 我正在调查的原因是，我将继续通过聚类算法实现(K-means，聚集HC(进行此过程，并且我想了解将从最终算法派生的不同聚类的特征(通过了解主成分的结构(。
属性X_transformed_fit_仅在将参数fit_inverse_transform设置为True时才可用。
尝试：
kpca = KernelPCA(n_components = 2, kernel = 'cosine', fit_inverse_transform = True)
X = kpca.fit_transform(X)
kpca.X_transformed_fit_