我在我的数据上运行PCA（~250个功能）并且看到所有点都聚集在3个blob中。
是否有可能看到250项功能中哪一项对结果的贡献最大？如果是这样的话？
（使用Scikit-learn实现）
答案 0 :(得分：3)
让我们看看维基百科说的内容：
PCA在数学上被定义为正交线性变换，它将数据转换为新坐标系统，使得数据投影的最大方差位于第一个坐标上（称为第一个坐标）主成分），第二个坐标上的第二个最大方差，依此类推。
了解＆＃39;如何影响＆＃39;是原始空间中的矢量，在较小的一个中你也需要投影它们。这是通过以下方式完成的：
res = pca.transform(np.eye(D))
np.eye(n)创建一个n x n对角矩阵（一个在对角线上，否则为0）。np.eye(D)是原始特征空间中的功能res是您在下部空间的功能投影。有趣的是，res是一个D x d矩阵，其中res [i] [j]表示＆＃34; i 对 有多少功能>Ĵ＆＃34;
然后，您可以只对列进行求和以得到D x 1矩阵（称之为 contributiion ，其中每个contribution[i]是要素的总贡献 i
对它进行排序，您会找到最有贡献的功能：）
不确定是否明确，可以添加任何其他信息。
希望这有帮助， pltrdy