主成分分析 (PCA)答案

【问题标题】：Principle Component analysis (PCA)主成分分析 (PCA)
【发布时间】：2016-06-08 07:53:07
【问题描述】：

我是机器学习的新手，我正在尝试对某些数据集进行分类。我需要使用 PCA。

我的问题是：PCA 是否仅将数据传输到新坐标系？我是否必须使用另一种方法，如聚类或 SVM 来进行 PCA 之后的分类？如果没有，我非常感谢指导我如何使用 PCA 进行分类。

谢谢

【问题讨论】：

这不是一个编程问题——这样的问题在 Cross Validated 上会更好。

标签： machine-learning cluster-analysis pca

【解决方案1】：

是的，PCA 只是一种预处理技术，它可以旋转/缩放您的坐标系（并且可以降低一些尺寸）。因此，这既不是聚类也不是分类工具。为了将它与任何其他技术一起使用，只需一个接一个地使用它 - PCA 只是一个数据准备步骤，因此在应用任何聚类/分类之前转换您的数据。请记住存储您的 pca 对象，以便将来在测试期间，您可以使用相同的 pca 预处理测试点。

【讨论】：

PCA 只旋转；它不会缩放坐标系或放置尺寸。
通常 pca 被认为是一种暗淡减少技术，它涉及删除具有小特征值的维度。如果这是 pca 或后处理的一部分，则这是命名约定的问题。因为我们是这里的编码人员，所以我使用来自数值库的典型含义，这些含义在 pca 代码中放置了暗淡
@lejlot 非常感谢。