通过 PCA 进行特征提取答案

【问题标题】：Feature Extraction through PCA通过 PCA 进行特征提取
【发布时间】：2011-08-15 16:56:51
【问题描述】：

我正在尝试从包含 63 个样本的 2000 个特征的数据中选择一个特征子集。现在我知道如何在 MATLAB 中进行 PCA。我使用了“pcacov”，它也返回了特征向量和特征值。但是，我不知道如何选择我想要的功能。我的意思是如果没有标记功能，我该如何选择我的功能？还是会按相同的顺序退回？

【问题讨论】：

【解决方案1】：

PCA 不会告诉您哪些特征最重要，但哪些特征组合保持最大差异。

PCA 所做的是旋转数据集，使其在第一个维度上具有最大的方差，在第二个维度上具有最大的方差，依此类推。因此，当您将特征向量乘以前 N 个特征向量时，您所做的是旋转集合并保留前 N 个维度，以将您的向量转换为保留大部分方差的低维表示。

【讨论】：

【解决方案2】：

如何选择我的功能？

如果你这样称呼它

[pc,variances,explained] = pcacov(covx)

那么主成分是第一个返回参数中的向量，其方差与第二个返回参数中的方差相同。它们是对应的，并从最重要到最不重要排序。

或者它们会以相同的顺序被退回？

如果函数帮助说是这样，你可以假设，否则假设是不安全的，你可以做类似的事情。

[varsorted,varsortedinds] = sort(variances,'descend');
pcsorted = pc(:,varsortedinds);

varsorted 和 pcsorted 将按照从高到低的顺序排列。

7 年后编辑：我在重新阅读这个问题时意识到，我的答案实际上并没有回答这个问题。我认为要问的是对主要组件进行了排序。 Don Reba 的回答是对所提出的实际问题的回答。但我无法删除选定的答案。

【讨论】：