我有一个由35个功能组成的矩阵，我需要减少这些功能 功能，因为我认为许多变量是依赖的。我承诺PCA 可以帮我做到这一点，所以使用matlab，我计算：
[coeff,score,latent] = pca(list_of_features)
我注意到“coeff”包含我理解的矩阵（如果我错了，请纠正我）左边有重要的列，第二列重要性较低等等。但是，我不清楚“ coeff ”上的哪一列与我原来的“ list_of_features ”中的哪一列相关，这样我才能知道哪个变量更重要。
答案 0 :(得分：1)
PCA没有给你原始特征的顺序关系（哪个特征比其他特征更“重要”），而是它给出了特征空间中的方向，根据方差排序，从高方差（第一方向，或主要成分）低方差。方向通常是原始要素的线性组合，因此您无法获得有关单个要素的信息。
您可以做的是抛弃方向（一个或多个），或者换句话说，将数据投射到由主要组件的子集跨越的子空间中。通常你想抛出低方差的方向，但这真的是一个选择，取决于你的应用程序。
假设您只想留下第一个k原则组件：
x = score(:,1:k) * coeff(:,1:k)';
但请注意，pca使数据居中，因此您实际上可以获得数据中心版本的投影。