机器学习预测 - 为什么以及何时开始使用 PCA？

【问题标题】：Machine Learning Prediction - why and when beginning with PCA?机器学习预测 - 为什么以及何时开始使用 PCA？
【发布时间】：2016-10-19 09:28:07
【问题描述】：

从一个非常笼统的角度来看，当你有一个数据集 X 并想预测一个标签 Y 时，首先从 PCA（主成分分析）开始，然后进行预测本身（使用逻辑回归，或随机森林或其他）来自直觉和理论原因？在哪种情况下可以提高预测质量？谢谢！

【问题讨论】：

【解决方案1】：

我假设您的意思是基于 PCA 的降维。低方差数据通常（但并非总是）几乎没有预测能力，因此删除数据集的低方差维度可能是提高预测器运行时间的有效方法。在提高信噪比的情况下，它甚至可以提高预测质量。但这只是一种启发式方法，并不普遍适用。

【讨论】：