当数据特征多的时候，我们可以用PCA降维，一般降到几维比较合适？
1个回答
- 如果是为了数据可视化，可以降到1维（线），2维（平面），或者3维（立体）。
- 如果是为了建立预测模型而降维，比较常用的方法是看多少个主成分解释了多少百分比的方差，常用的比如说99%,95%,90%。
- 另一个方法是Kaiser's Rule，保留所有奇异值大于1的
- 还有个类似elbow method的方法，画出主成分的个数和解释方差百分比的曲线，找出手肘的那个点。
batmanX
2017-06-06 11:13
相关讨论
随便看看