在实际数据分类之前使用降维

Question

我有一个包含13个要素的数据集和一个代表类的列。

我想基于这些功能进行二进制分类，但是我使用的方法只能使用2个功能。所以我需要将功能减少到2列。

我的问题是我的某些特征是真实有价值的，例如年龄，心率和血压，而某些是分类的，例如胸痛的类型等。

哪种降维方法适合我的工作？

PCA是个好选择吗？

如果是这样，如何使用PCA进行分类？

我和R合作。

Answer 1

您只需将分类特征编码为数字，例如1代表猫，2代表狗，依此类推。 PCA是一种有用的特征选择方法，但是它用于线性数据，您可以尝试一下并查看结果。内核PCA用于非线性数据，您也可以尝试一下。 其他方法包含LLE，ISOMAP，CCA，LDA ...您可以尝试这些方法并找到更好的结果。

Answer 2

检查H2O库中的GLRM模型（link to docs）。它可以处理分类变量。 如果那对您不起作用，则在应用PCA之前，目标编码技术可能会有用。

Answer 3

您可以尝试使用CatBoost（https://catboost.ai，https://github.com/catboost/catboost）-一种新的梯度增强库，可以很好地处理分类特征。