R中聚类的降维（PCA和其他方法）

Question

我先写一下：

我已经广泛研究了这个问题，并且我发现了几个有趣的可能性（例如this和this）。我还研究了主成分分析，并且我看到一些消息来源声称它是一种很差的降维方法。但是，我觉得这可能是一个很好的方法，但我不确定如何实现它。我在这个问题上找到的所有资料都给出了很好的解释，但很少提供任何关于实际应用其中一种方法的建议（即如何在R中实际应用方法）。 / p>

所以，我的问题是：是否有明确的方法来降低R的尺寸？我的数据集包含数字和分类变量（具有多个级别）并且非常大（~40k观察值，18个变量（如果我将分类变量转换为虚拟变量，则为37个）。

几点：

• 如果我们想要使用PCA，那么我必须以某种方式将我的分类变量转换为数字。是否可以简单地使用虚拟变量方法？

• 对于无监督学习的任何类型的降维，我如何处理有序变量？在无监督学习中，序数变量的概念是否有意义？

• 我对PCA的真正问题在于，当我执行它并拥有我的主要组件时......我不知道该如何处理它们。据我所知，每个主要成分都是变量的组合 - 因此我并不确定这有助于我们选择哪个是最佳变量。

Answer 1

我不认为这是一个R问题。这更像是一个统计问题。

• PCA不适用于分类变量。 PCA依赖于分解协方差矩阵，这对分类变量不起作用。
• 有序变量在监督和无监督学习中有很大意义。你到底想要什么？你应该只对序数变量应用PCA，如果它们没有偏斜并且你有很多级别。
• PCA仅为您提供主成分及其特征值的新变换。它与降维无关。我再说一遍，它与降维无关。仅当您选择主要组件的子集时，才会减少数据集。 PCA可用于回归，数据可视化，探索性分析等。
• 常用的方法是应用最佳缩放来转换PCA的分类变量：

阅读本文：

  

http://www.sicotests.com/psyarticle.asp?id=159

您可能还需要考虑分类变量的对应分析和分类和连续的多因素分析。