优点:
1、以方差衡量信息的无监督学习,不受样本标签限制。
2、各主成分之间正交,可消除原始数据成分间的相互影响
3. 可减少指标选择的工作量
4.用少数指标代替多数指标,利用PCA降维是最常用的算法
5. 计算方法简单,易于在计算机上实现。
缺点:
1、主成分解释其含义往往具有一定的模糊性,不如原始样本完整
2、贡献率小的主成分往往可能含有对样本差异的重要信息
3、特征值矩阵的正交向量空间是否唯一有待讨论
4、无监督学习
优点:
1、以方差衡量信息的无监督学习,不受样本标签限制。
2、各主成分之间正交,可消除原始数据成分间的相互影响
3. 可减少指标选择的工作量
4.用少数指标代替多数指标,利用PCA降维是最常用的算法
5. 计算方法简单,易于在计算机上实现。
缺点:
1、主成分解释其含义往往具有一定的模糊性,不如原始样本完整
2、贡献率小的主成分往往可能含有对样本差异的重要信息
3、特征值矩阵的正交向量空间是否唯一有待讨论
4、无监督学习