Question

我尝试使用PCA技术进行群集。

就我而言，我已经审查了n部电影的用户。我以这种方式创建了一个表用户x电影：

User    Movie
        0 1 2 3 4 
      0 2 0 5 0 0
      1 0 1 1 0 0
      2 0 5 5 5 0

如果用户不评论电影，则为0，如果用户评论1至5星，则为1-5。形状是（6040，3706）

我规范化数据，然后我将此代码用于PCA（来自sklearn）

pca = PCA(0.7)
pca_result = pca.fit_transform(X_std)

a = pca_result[:,0]
b = pca_result[:,1]

我将0.7用于聚类，因为我的累积解释方差

所以对我来说是非常有意义的值0.7 我的新形状是（6040，650）

我看到尺寸将以这种方式绘制（但我认为这不是很重要）

fig = plt.figure(figsize = (20,16))
ax = fig.add_subplot(111)


ax.scatter(a,b, alpha = 1)
plt.title('Method: PCA')
plt.show()

但是通过这种方式，我将A放在X轴上，将B放在Y轴上，所以我想只使用两个维度（因为我看到了所有带有两个维度的示例）。

所以我的问题是我不绘制所有尺寸吗？（就我而言，还剩下650个尺寸？） 我在做什么错了？

也许我的问题可能很愚蠢，但是我试图理解这个话题。

Answer 1

请勿使用0编码缺失值（特别是PCA除外）。

这是5的最大差异，因此实质上，您现在就假设用户讨厌所有他们未评价的电影。

我不知道是否有任何PCA变体可以处理丢失的数据。通常，它似乎假定您具有所有值。因此，您可能需要选择其他算法。