查找原始特征对用作内核 PCA 输入的主成分的影响

Question

我正在尝试对我的数据集实施 Kernel PCA，该数据集同时具有分类（使用一个热编码器编码）和数字特征，并将维度总数从 22 维减少到 3 维。之后，我将继续集群实现。我使用 Spyder 作为 IDE。 为了从算法中了解我生成的集群的结构，我想解释哪些特征影响派生的主成分以及它们如何影响它们。 可能吗？如果是这样，我该如何解释，有什么方法吗？

Answer 1

由于您在内核空间中应用 PCA，因此您的原始特征和缩减数据的特征之间存在严格的非线性关系；您计算的特征向量一开始就在内核空间中。这阻碍了直接的方法，但也许您可以进行某种敏感性分析。对原始特征应用小扰动，并测量最终的、减少的特征对它们的反应。最终特征相对于原始特征的雅可比也是一个很好的起点。