【发布时间】：2020-12-26 04:52:33
【问题描述】：
五列数据
一个 |二 |三 |四 |五
但我想要这个结果
pca 1 | pca 2 |五
是否可以只为 pca 选择 4 列？
【问题讨论】：
-
当然 - 在前四个组件上运行 PCA，然后连接第五个功能
标签： machine-learning pca
【发布时间】：2020-12-26 04:52:33
【问题描述】：
使用 PCA 减少某些功能在数学上没有任何不妥之处。 PCA 特征是该子空间的线性组合（旋转轴），其他（正交）特征保持不变。
我在 x,y,z 中包含了一个多元高斯的示例。我在x 和y 上使用PCA，而z 未修改。您可以检查这些图以说服自己第二组点确实与第一组相同，只是在x,y 中旋转：
import numpy as np
import plotly.express as px
from sklearn.decomposition import PCA
means = [0,0,0]
cov = [[1,1,0],[-100,100,0],[0,0,1]]
# get scatter points drawn from multivariate
x,y,z = np.random.multivariate_normal(means, cov, 5000).T
# data
X = np.array([x,y,z]).T
# initial plot, with largest variance along x=y:
px.scatter_3d(x=x, y=y, z=z, labels={j:j for j in"xyz"}).show()
# fit pca in the x-y plane, leaving z un-modified
pca = PCA(n_components=2)
pca.fit(X[:, 0:2])
# get "rotated" pca components x', y'
q = pca.transform(X[:,0:2])
xp, yp = q[:,0], q[:,1]
px.scatter_3d(x=xp, y=yp, z=z, labels={"x":"x'", "y":"y'", "z":"z"}).show()
【讨论】：