PCA - 确定主要组成部分

Question

我正在尝试制作PCA，但我遗漏了一些东西。

计算特征值并绘制图。所以，我看到有很多组件。关键是我不知道如何确定哪些组件是主要组件......

Answer 1

这完全取决于应用程序。

1. 如果您将PCA作为监督学习的预处理步骤，则应通过交叉验证/验证选择最佳PCA维数。

2. 如果您使用PCA作为无监督方法来探索和可视化数据，那么有几种选择：

   • 某种差异的硬性上限解释为80％（在您的情况下，它看起来像4-5台个人应该这样做）

   • Cattell的scree测试表示在肘部开始后放下所有其他组件。 （在您的情况下应保留2台PC）

   • Kaiser标准：Kaiser规则是丢弃所有特征值低于1.0的组件（我记得Kaiser说他在那个组件上被错误引用）。

   • Horn的平行分析（是的，真的分析不是一些肘部规则） - 这里有关于如何在R中执行它的链接：https://www.r-bloggers.com/determining-the-number-of-factors-with-parallel-analysis-in-r/