主成分分析和功能降低

Question

我有35个功能组成的矩阵，我需要减少那些 功能，因为我觉得很多变量依赖。我undertsood PCA 可以帮助我做到这一点，因此，使用MATLAB，我计算：

[coeff,score,latent] = pca(list_of_features) 

我注意到“_系数”包含矩阵我明白这（纠正我，如果我错了）具有高柱重要性在左边，第二栏重要性不那么重要等等。但是，目前还不清楚，我对“_系数”这列涉及到对我原先的“list_of_features”这样我就可以知道哪些变量更重要的是哪一列。

Answer 1

PCA不给你对你的原有特色的顺序关系（其特点是更“重要”，那么其他人），而是给出了功能空间，你的方向，下令根据变化，从高方差（第一方向，或主要成分）低方差。方向通常是原始功能的线性组合，因此您无法期望获得有关单个功能的信息。

你可以做的是要扔掉的方向（一个或多个），或者换句话说项目中，您将数据通过主成分的子集张成的子空间。通常情况下，您想要以低方差投掷方向，但这真的是一个取决于您的应用程序的选择。

比方说，你要离开只有前k个主成分：但是

x = score(:,1:k) * coeff(:,1:k)'; 

注意pca中心的数据，所以你实际上得到您的数据中心版本的投影。