Использование функций без применения PCA

Question

Использование функций без применения PCA

Предположим, что в наборе данных есть 8 функций. Я использую PCA и выясняю, что 99% информации находится в первых 3 функциях, используя совокупную сумму объясненного коэффициента дисперсии. Тогда зачем мне нужно приспосабливать и преобразовывать эти 3 функции, используя PCA, чтобы использовать их для обучения моей нейронной сети? Почему я не могу использовать три функции как есть?

2

machine-learning neural-network pca cross-validation dimension-reduction

Источник

user6916919 10 июл '17 в 17:58

1 ответ

Решение

Другие вопросы по тегам machine-learning neural-network pca cross-validation dimension-reduction

user7214344 10 июл '17 в 21:05 2017-07-10 21:05 · Accepted Answer · 2017-07-10 21:05

Причина в том, что когда PCA сообщает, что 99% отклонения объясняется первыми тремя компонентами, это не означает, что оно объясняется первыми тремя признаками. Компоненты PCA представляют собой линейные комбинации функций, но обычно они не являются самими функциями. Например, компоненты PCA должны быть ортогональны друг другу, в то время как функции не должны быть.