我有 200 个样本，每个样本有 60 个特征。我使用 PCA 来查找主成分。我用了神经网络，也尝试了k近邻，但是分类结果并不好。我不介意取出一些样本，但我怎么知道哪些样本破坏了我的分类结果？我知道我可以一一尝试，但它会非常无效。请帮忙
【问题讨论】：
标签： matlab analytics cluster-analysis
你需要扔掉一些属性，而不是扔掉一些样本。
PCA 计算一个具有 d x d 个条目的矩阵。在 60 个属性中，这个矩阵有 3600 个条目。你只有 200 个样本来计算这个矩阵的内容——难怪结果几乎是随机的。您需要更少的变量和更多的数据。
【讨论】：
这是一个经典的机器学习问题。只有 200 个样本，如此多的特征（在您的情况下为 60 个）总是存在风险。请检查您是否有多余的功能。举个例子吧
想象一下，我们必须从以下特征来预测房价 1. 尺寸m2 2.卧室数量 3. 宅龄 4. 尺码2
请注意，这里的 2 号和 4 号特征都提供了相同的信息，并且它们是多余的。起初它看起来并不那么令人不安。但是，如果您有这样的数据，最好删除这些功能。
因此，我建议您先查看功能，然后再查看数据。有关更多详细信息，您可以在 coursera 中查看斯坦福大学的机器学习课程（由 Ng 教授教授）
【讨论】：