pca - 使用 PCA 时的大量主成分
问题描述
我是 PCA 的新手,我有一个包含 64 个特征的数据集,我正在尝试使用 PCA 获得最重要的特征。当运行 PCA 解释了我的数据集中 90% 的方差时,我得到了大约 40 个主成分,我的问题是,如何根据所有这些主成分获得特征重要性?在 pic1 中显示了解释 90% 方差的主成分的数量, 我应该将每个特征的所有主成分的值相加,然后按降序排序吗?
解决方案
只需运行回归模型并检查与每个特征相关的重要性统计值。查看本文以讨论功能重要性。
推荐阅读
- python - 如何禁用柱状列中的文本换行?
- cordova - ionic - 为 web 构建,index.html 寻找不存在的文件
- python - Python 3.7:无法在 Windows 10 的 venv 中安装 gmpy2
- symfony - 带有 Symfony 4.4.1 的 Kayue\WordpressBundle:在链配置的命名空间 App\Entity 中找不到类 XXX
- .net-core - 无法加载类型 Confluent.Kafka.Serialization.StringDeserializer
- python - 如何将flask_mysqldb与蓝图一起使用
- object-detection - 对于 360p 和 1080p,更快的 R-CNN(基于冻结推理图 inception v2)的执行时间相同。这怎么可能?
- node.js - 无法启动 pnpm 脚本 - 错误:命令失败,退出代码为 1
- javascript - 具有身份验证的 Firebase 快照侦听器
- r - 闪亮的数据表只保留选定的行..错误:未实现这些类型的比较