我想使用一些机器学习分类方法（SVM，决策树或任何其他方法）对小数据集65x9进行分类。 因此，在开始分类之前，我想在Matlab或Weka（首选MatLab）中使用PCA进行属性分析。我想获得哪个属性对分类器的性能贡献最大。所以我可以减少一些属性的数量或/并在将来包含更多。任何PCA的例子都可以在MatLab或Weka中找到这个？
由于
答案 0 :(得分：1)
PCA是一种无监督的特征提取方法。
如果您的问题是选择要与PCA一起使用的属性，我不知道您的目的是什么，但没有必要这样做以提高分类性能。只需使用整个属性。 PCA将按每个实例的降序为您提供最佳属性。
如果您的问题是在PCA之后选择属性，您可以选择一个阈值（例如0.95）并计算#attributes足够的阈值从第一个属性开始到最后一个属性。您可以使用协方差矩阵的特征值来计算和实现PCA中的阈值。
运行PCA之后，我们知道第一个属性是最好的属性，第二个属性是第一个属性之后的最佳属性...