我正在尝试为一个非常大的数据集编写一个随机森林分类器，例如我已经应用 PCA 将 643 个功能减少到 5 个 PC 的预处理的一部分。是否可以导出这些设置以便我可以
pca.transform(data)
在另一个程序中。
我已经能够使用 pickle 对缩放器执行此操作，但是当我运行 transfrom 时，我得到了错误： Traceback（最近一次调用最后一次）：
File "<ipython-input-35-68c9849c2acc>", line 1, in <module>
pca.transform(data)
TypeError: transform() missing 1 required positional argument: 'X'
理想情况下，PCA 不应用作预处理特征减少的一部分。
无论如何，关于保存和重用 PCA 模型，共享一个在我的情况下运行良好的基本代码片段（因为我无法重现错误情况）。
from sklearn.decomposition import PCA
import pickle as pk
pca = PCA(n_components=2)
result = pca.fit_transform(X) # Assume X is having more than 2 dimensions
pk.dump(pca, open("pca.pkl","wb"))
.
.
.
# later reload the pickle file
pca_reload = pk.load(open("pca.pkl",'rb'))
result_new = pca_reload .transform(X)
# result 和 result_new 在我的例子中是一样的
第一个参数transform()是self参数。从您的Traceback中，可以得出data正在传递给self参数的结论。
当您没有创建要从中使用函数的类的对象时，就会发生这种情况。（假设函数没有用 装饰@staticmethod，在 的情况下transform不是。）
检查您是否无意中初始化pca为pca = PCA.
对于预处理脚本 -
pca = PCA(n_components=2)
pca.fit(train_features)
scaled_train_features = pca.transform(train_features)
# save pca in a pickle file
with open('pca.pkl', 'wb') as pickle_file:
pickle.dump(pca, pickle_file)
对于您要使用安装的其他脚本pca-
with open('pca.pkl', 'rb') as pickle_file:
pca = pickle.load(pickle_file)
scaled_data = pca.transform(data)