PCA降维后数据解读

plotly真是神器哇,极度方便数据观察

对用户行为特征数据pca降维(10000+*9->10000+*3)后的数据用plotly的3d clustering画了个图,极度汇聚,感觉是降维后特征丢失,还是说,用户特征就是这样,极度雷同?应该要加点数据维度看看,抽取的用户特征已经是正交,不需要PCA,或者,应该直接把功能相关所有数据丢进来,才有PCA的意义。不过是否应该按照功能来做维度,即使PCA也最少保留到功能点的维度?

基本的评价体系建立:根据样本数据建立起一个多维空间,然后被分类数据对应投射到空间内,判断它跟样本的相似性(向量距离?)

PCA降维后数据解读_第1张图片
用户特征

你可能感兴趣的:(PCA降维后数据解读)