根据可视化图，“ PCS”，“ X_scaled”或“ X”对数据矩阵的特征更好，为什么？

Question

第一个图是通过转移25个特征要素矩阵的图，第二个图是从相同的特征矩阵转换而来的，但可以通过StandardScaler（）进行缩放。我对此问题感到非常困惑，我知道PCA用于可视化高维数据。但是我不理解“好的” PCA图的含义。两个图看起来都有很多点彼此重合，但是我认为可以通过放大或更改比例尺来克服，所以我认为图中的重合点数不应作为判断是否一致的标准更好。

我有另一个想法，那就是缩放的图（是第二个图）具有更加清晰的簇（大多数红色点在第二个主要成分上-y轴和蓝色点在第一个成分中- x轴），因此从这一方面来看，我认为缩放的比例更好。 有人可以向我解释吗？

谢谢！

Answer 1

据我所知，StandardScaler()（我猜您正在使用sklearn中的那个）将数据转换为均值为零和单位方差。

这是机器学习应用程序通常的步骤，以使数据更“高斯”，例如机器学习算法可以更好地处理它们。如果数据集的方差比其他数据集大得多，则该数据集将主导对象。正如您已经说过的，“缩放”图看起来更好，因为数据得到了更平等的对待。另请参见here。