如何在matlab中选择pca后最需要的特征（变量）？答案

【问题标题】：How to select top needed features(variables) after pca in matlab?如何在matlab中选择pca后最需要的特征（变量）？
【发布时间】：2015-03-23 13:23:55
【问题描述】：

我正在使用 pca() 而不是 princomp()，因为它在新版本中已被删除。

我知道“特征值表示每个特征向量解释了多少数据。选择特征的一种简单方法是选择特征值最高的 100 个特征”。

例如，如果我在 matlab 中运行以下命令

 [coeff,score,latent] = pca(pcaInput);

然后latent给我我需要的值。

但是，潜在是按排序顺序给出的。我怎么知道，向量潜在的第一个值对应于我的数据集中的哪个变量？

【问题讨论】：

latent 向量中的值对应于coeff 矩阵的列。最重要的主成分将是第一列，其余的按降序排列。 PCA 更改了坐标系，为您提供了一组新的变量来使用。数据集中的原始变量不再具有任何意义。
如果您说明您使用的是哪个版本，这对未来的读者也有好处...
@eigenchris 我只使用 pca 进行特征选择，我希望 pca 给我前 k 个变量列表，以便我可以将这些变量作为其他模块的输入。
@user2670535 新的特征轴是coeffs 矩阵的列。我不明白问题是什么？
@eigenchris pca 的输出给出了“转换后的”特性，我需要原始数据列。就像给定 100 个变量数据集，我想“选择”前 10 个相关变量。

【解决方案1】：

在文档中：

各列按分量方差递减的顺序排列。

通常，来自 PCA 的特征向量从最相关到最不相关排序，它是非书面的“标准”AFAIK。

加上latent的第一个值当然对应特征向量的第一行，不需要重新排序。

【讨论】：