我有一个来自产品几何测量的6000个样本和118个特征的数据集，它们偏离了“完美形状”。原则上，弹性体具有无限的自由度（可能的特征）。但是，由于身体的某些部分非常僵硬，因此许多功能预计会非常接近彼此线性相关。
目标是减少将来生产的测量工作，同时又不丢失太多有关质量的信息（接近“完美形状”）
问题是：除了通过低方差和相关过滤器之外，如何选择要删除（停止测量）的特征？
到目前为止，我的想法是为了找出线性组合：
PCA / ICA将把我带到可以消除一些PC的替代空间。 回到原始空间，这是否意味着我的某些原始变量相关？ 我想到的是一个在空间中近似倾斜的平面的示例（3个特征x，y，z具有2台重量较大的PC）。难道不意味着可以高精度描述z = w1x + w2y吗？如果可行，那么递归选择要减少的变量的正确策略是什么？
每次对一个变量进行线性回归，遍历所有118个特征，比较准确性。但是，如果我消除了最高精度的那一步，该如何进行呢？剩下的要循环吗？
我的线性代数感觉是，有一种更优雅的解决方法：）