1回答

liuyubobobo

2018-06-17

已采纳

比较开放的问题了：）

虽然可以，但感觉稍微有些奇怪。因为PCA的目的是降维，或者说是压缩特征空间；多项式的目的是产生更多的特征，以避免原有特征的一些多项式组合没有被我们考虑到。再降维以后又升维，稍微有些奇怪。尤其是PCA是将原始的特征空间转移到了另外一个特征空间，对于这个新的特征空间，原始特征空间的特征“语意”将全部丢失。感觉上，在这个基础上，再多项式，意义不大。

相反的，先多项式，再PCA，感觉合理很多：）多项式的过程基于原先的特征语意，创建出了更多可能的特征的多项式组合。但这样一来，特征多了，这么多的特征，很有可能有很高的特征压缩的空间，再对这些特征使用PCA进行降维压缩，是非常合理的：）

不过依然是，我在这里都说的是“有可能”，我认为先多项式后PCA更加符合思维逻辑。但是不排除，面对某一个数据，你先使用PCA，再进行多项式，结果训练出的模型效果更好。遇到这种情况，可能更重要的是探究一下，为什么会出现这种情况，其中在这个处理过程中哪个”新“的特征发挥了重要的作用。沿着这个逻辑深入研究一下，或许会发现我们之前没有意识到的，更重要的特征：）

这也就是我在很多问答里说的，机器学习的方法并不是万能的。在很多情况下，甚至是极其无力的。机器学习只是使用统计学的手段，应用在现阶段人类还没有彻底搞明白的事物之上，去暂时进行预测分析。很多时候，机器学习的过程并不是简单的预测出那么一个结果而已。通过机器学习的过程，对数据，甚至是对问题本身，有更深刻的理解，或许在有些时候，是机器学习工程师更重要的任务呢：）

关于机器学习的使用，其实很重要的作用是更深刻的理解我们的数据和问题，也可以参考这个问答：https://coding.imooc.com/learn/questiondetail/43808.html

加油！

3

6

手中的铅笔

回复

慕运维7479159

大佬！

2020-09-23

共6条回复