PCA后的特征名称

来源：7-6 scikit-learn中的PCA

十里坡劍神

2018-01-27

例如原来的特征表示的是每个像素点的灰度值或者RGB值，那么降维之后，新的数据样本的特征名称是否有可能“无法用人类语言解释”？

写回答

1回答

liuyubobobo

2018-01-28

已采纳

对！理解的非常对！降维后的样本特征已经失去了它原本的自然语意。如果用数学的方法解释，降维后的样本特征的每一个维度，其实是原特征维度的一个线性组合。

PCA降维不是在原有特征中选出特征（不是Feature Selection），而是经过运算，将原有的高维特征映射到低维空间。低维空间维度的自然语意已经丢失。

不过，在一些任务中，我们又会给他附上新的语意。这一节最后讲的“特征脸”就是一个例子：）

liuyubobobo

神经旷野舞者

PCA是一个过程，中文名称是主成分分析法。矩阵的最简梯形形式是矩阵通过初等行变换以后得到的另一个矩阵。

2018-02-24

共5条回复

Python3入门机器学习经典算法与应用

Python3+sklearn，兼顾原理、算法底层实现和框架使用。

5850 学习 · 2437 问题

相似问题

回答 2

回答 1

回答 1

回答 1

回答 5