在 PCA 到 2D 之后将点云重新投影回 3D

如何解决在 PCA 到 2D 之后将点云重新投影回 3D

我有一个 3D 点云（Nx3 矩阵）并且我应用了 PCA，所以我的数据被投影到 2D

pca = sklearn.decomposition.PCA(3)
pca.fit(vertices)

vert_2d = np.dot(vertices,pca.components_.T[:,:2])

我还沿 3D 轴投影值，这对我来说是一个深度空间，我用颜色表示。

color = np.dot(vertices,2])

现在，假设我进行了一些处理，然后得到了 Mx2 点，我想将其重新投影回 3D 空间。

有没有办法使用整个组件矩阵将我的点重新投影到 3D，而不是仅使用前两个仅重新投影到平面的特征向量？

还有一个额外的问题，正如你所看到的，我正在使用 sklearn 的 PCA，但我真的只需要 SVD 但 numpy/scipy 因内存错误而失败（构建 MxM 协方差矩阵？）。 “标准库”中是否有支持“高而窄”矩阵的 SVD 函数？