如何使用skikit-learn将选定的特征面投影到测试数据上？

问：

背景：
我想用 Python 做人脸识别。之前，在 Matlab 中，我大致使用以下代码实现了人脸识别：

[EigVec, projec, eigenVal] = myPCA(TrainingDataFaces);
prinComps = [1, 3, 5];
dimensionReduced = TrainingData'*EigVec(:,prinComps);%project it onto the face space to reduce dimension
model = NaiveBayes.fit(dimensionReduced, classesData);
ProjectedTestData = TestData' * EigVec(:,prinComps);%project it onto the face space to reduce dimension  
r = model.predict(ProjectedTestData(1,:));  

正如你所看到的，我有可用的，这给了我足够的信息，让我可以选择多少个主成分。我需要选择特定的主成分，我选择.
然后，我可以将选定的主成分与训练数据相乘，得到降维矩阵。EigVec[1,3,5]

尝试使用 Skikit-learn：
在尝试使用 Skikit-learn 做同样的事情时，我看到尽管它提供了 ，这只允许指定第一个主成分。但是，如果我使用然后使用，则可以选择特定的主成分。
我需要能够选择特定的主成分。pca = PCA(n_components=n_components).fit(X_train)npca=PCA().fit(X_train)eigenfaces = self.pca.components_[[1,3,5], :]

问题：
要将特征面投影到测试数据上，有这个 .但包含所有主成分。我只想将 EigenFaces 投影到训练数据上。如何实现此目的？我唯一的选择是获取原始特征面数组并手动将其与训练数据相乘吗？Skikit-learn没有提供任何内置的方法吗？
我注意到这个问题有，但文档没有表明它可以按照我想要的方式使用。trainingProjected = pca.transform(trainingData)pca[1,3,5]pca.fit_transform()