如何解释 Spark PCA 输出？

Question

我使用三个变量运行 Spark (2.2) PCA：x、y 和 z。 我明白了：

+-----------------------------------------------------------+
|pcaFeatures                                                |
+-----------------------------------------------------------+
|[4192.998527751072,7.815744760976605,2.064076348440629]    |
|[934.9987857492071,6.178849121007534,2.0229856767680876]   |
|[81.99880210954893,6.012098465539804,2.0127405793319535] ...

所以这些是特征向量。它们是否按顺序对应于 x、y 和 z？如果 PCA 是关于减少特征，那么我可以说 x 解释了大部分数据，所以只使用 x 吗？由于我有一个值向量，我可以用数学方法将其表示为百分比吗？

Answer 1

PCA 用于减少维数。如果输入维数是 3 (x, y, z)，输出维数也是 3，那么就没有真正的降维，PCA 没有任何意义。

输出特征不对应于 x、y 和 z。这只是一个新的 一组功能。不，你不能说第一个特征解释了大部分数据。