PCA后的特征名称

Question

例如原来的特征表示的是每个像素点的灰度值或者RGB值，那么降维之后，新的数据样本的特征名称是否有可能“无法用人类语言解释”？

Answer 1

liuyubobobo 2018-01-28 03:14:10

对！理解的非常对！降维后的样本特征已经失去了它原本的自然语意。如果用数学的方法解释，降维后的样本特征的每一个维度，其实是原特征维度的一个线性组合。

PCA降维不是在原有特征中选出特征（不是Feature Selection），而是经过运算，将原有的高维特征映射到低维空间。低维空间维度的自然语意已经丢失。

不过，在一些任务中，我们又会给他附上新的语意。这一节最后讲的“特征脸”就是一个例子：）

• 提问者 十里坡劍神 #1

  非常感谢！

• 神经旷野舞者 #2

  有没有降维方法使得新样本特征是原特征维度的非线性组合？

• liuyubobobo 回复 神经旷野舞者 #3

  有，我记得以前回答归你这个问题，可以参考更多降维方法，如：MDS，Isomap，LLE，LDA，t-SNE等等，有兴趣可以找相关资料自学一下：）可以参考这个问题：https://coding.imooc.com/learn/questiondetail/36607.html

点开查看后面2条评论