1
ypw 2022-02-07 09:45:44 +08:00
pca 可以提供每个属性的权重,并不是新属性含义不明。
事实上 pca 只是一个线性变换: ```py np.dot(X, pca.components_.T) ``` 参考链接: https://scikit-learn.org/stable/modules/generated/sklearn.decomposition.PCA.html |
2
GrayXu 2022-02-07 11:43:45 +08:00
> 可是新属性的含义有不明
这句话是错误的。 |
3
huzhikuizainali OP @GrayXu 比如原来 x1 ,x2……xm 代表不同的属性。PCA 以后变成 z1 ,z2……zk ( k<m )这是 z 和 x 怎么对应呢?有这方面的中文介绍么?
|
4
bstjanced555 2022-02-10 15:02:55 +08:00
或许 pca 可以看作是原始特征在另一空间的投影?这个空间是为了提取 x1...xm 与目标结果 y 对应的某些联合特征,也就相当于 1 楼说的属性权重
|