【发布时间】：2021-10-31 01:34:52
【问题描述】：
我正在使用 sklearn 的 PCA 来减少 27 个特征和 3558 行数据的数据，我得到了以下结果
我已经阅读了很多文章，但它们只是解释了变量与每个主成分（负载）之间的相关性，但是在这里我想知道每个数据中每个单元格（PC1 PC2 PC3）中的负值和正值是什么意思排在最终结果中？
【问题讨论】：
标签： pca
【发布时间】：2021-10-31 01:34:52
【问题描述】：
您不能从主成分中的值的符号中推断出太多东西。请记住，主成分是初始特征的线性组合。因此，负分量仅意味着线性组合给出了负数。例如，您可以让第一个组件等于 5*feature_1-7*feature_2=x 其中 x
不确定您在这里要达到什么目的，但如果您想更深入地了解这些组件的含义，我建议您查看this page 最底部的代码。
【讨论】：
负值表示组件不重要。 正值表示分量显着。
【讨论】：