MATLAB：主成分分析 (PCA) 和分类学习器

Question

我正在使用分类学习工具箱在 Matlab 中构建逻辑回归模型。

我在 Matlab 中运行 PCA：

[系数，分数，潜在，tsquared，解释] = pca(CreditNumeric);

这是系数、分数、潜在和解释输出：

我想使用 PCA 的结果来减少我在分类学习器中用作输入的输入特征（基于我的 PCA 结果）。如何使用 PCA 结果来选择（比如 5-7 个）最能描述 95% 数据方差的特征？

Answer 1

实际上非常简单，因为在Classification learner 中，当您上传所有变量时，您可以选择要用于训练模型的特征（请参阅最后的屏幕截图，其中“特征选择”按钮出现在导入数据旁边）

在那里，您可以选择任意数量的变量，还可以训练几种组合并在最后比较结果之间的差异。

这里的问题是，我认为您的 5-7 个特征（在本例中为主成分）是否描述了 95% 的数据方差，对吗？

为了解决这个问题，您可以采用两种方法：

1. 最简单但不是最好的一种：

-在Classification learner 中上传所有变量而不是主成分，然后使用新版本 MatLab 中出现在特征选择旁边的 PCA 按钮。

-然后您可以确定解释方差的百分比 (95) 和分量数 (7)

1. 我建议虽然之前在MatLab 中开发pca，这样您就可以查看、控制和分析所有结果，然后与学习器一起训练主成分。

通过这种方式，您实际上可以知道需要在模型中使用多少组件来解释 95% 的方差。并且可能不是 5-7，或者可能小于那个……先探索。

这是我的建议。祝你好运！