PCA必须在训练集上拟合，不能用全量数据
直接对原始数据做 fit_transform 再划分训练/测试集，会导致信息泄露——测试集的分布特征已参与了主成分方向计算，模型评估会过于乐观。正确做法是：先用 X_train 调用 fit()，再分别对训练集和测试集调用 transform()。
- 错误写法：
pca.fit_transform(X)后再切分X_train/X_test - 正确顺序：
pca.fit(X_train)→X_train_pca = pca.transform(X_train)→X_test_pca = pca.transform(X_test) - 若用
sklearn.pipeline.Pipeline，需确保StandardScaler和PCA都只在训练集上拟合
PCA前必须标准化，否则结果失效
PCA 对各特征的量纲极度敏感。若输入特征单位不一致（比如像素值 0–255 和温度值 15–35），未标准化时主成分方向会被高方差特征主导，降维后丢失关键结构信息。
- 务必在 PCA 前加
StandardScaler，且 scaler 也只 fit 在X_train上 - 图像类任务若已归一化到 [0,1] 或 [-1,1]，可跳过 scaler；但数值型混合特征（如年龄、收入、点击率）几乎一定需要
- 验证方式：打印
pca.explained_variance_ratio_，前几个分量占比是否合理（如 >0.8）；若第一主成分占比超 95%，大概率没标准化
TensorFlow 中嵌入 PCA 的两种典型位置
PCA 是无监督预处理，不能放在模型内部用 tf.keras.layers 实现（它没有可训练参数，也不适配 batch 更新）。实际部署时只有两个合理位置：
-
离线预处理：用
sklearn.decomposition.PCA处理好X_train/X_test，再喂给tf.keras.Model，这是最常用、最稳定的方式 -
推理时固定变换：将
pca.components_和pca.mean_导出为 numpy 数组，在 TensorFlow Serving 或 TFLite 中用tf.linalg.matmul手动实现投影（需自行处理中心化） - 不要尝试在
tf.keras.layers.Lambda里调用 sklearn 的transform——无法序列化，训练/推理行为不一致
n_components 设多少才合适？别只看 95%
n_components=0.95 是常见启发式设定，但对神经网络未必最优。深层网络本身具备非线性降维能力，过度压缩可能削弱其表达力；而太小的维度又起不到加速或去噪作用。
- 建议试 3 组值：
n_components=50（固定小值）、n_components=0.95、n_components=min(200, X_train.shape[1]//2) - 重点观察验证集 loss 曲线：若 PCA 后收敛变慢或最终 loss 升高，说明信息损失过大
- 图像任务慎用 PCA 降维——CNN 的卷积层天然适合空间结构，PCA 破坏局部相关性，往往不如直接接
GlobalAveragePooling2D
n_components 设置过激，而不是 PCA 本身不可用。Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
