当第一个分量覆盖 PCA 分析中总方差的 99% 以上时，这意味着什么？ 我有一个大小为 500X1000 的特征向量，我在其中使用了 Matlab 的 pca 函数，该函数返回 [coeff,score,latent,tsquared,explained]。变量“explained”返回每个分量所覆盖的方差百分比。
The explained告诉您仅使用该主成分可以如何准确地表示数据。在您的情况下，这意味着仅使用主要主成分，您就可以非常准确地描述数据（达到 99%）。
让我们做一个 2D 例子。想象一下你有这样的数据100x2然后你做PCA。
结果可能是这样的（取自互联网）
该数据将为您提供explained第一主成分（图中 PCA 第一维大绿色箭头）的值约为 90%。
这是什么意思？
这意味着，如果将所有数据投影到该线上，则将以 90% 的准确度重建点（当然，您将丢失 PCA 二维方向上的信息）。
在您的示例中，99% 在视觉上意味着几乎所有蓝色点都位于绿色大箭头上，绿色小箭头方向上的变化很小。
当然，用 1000 维而不是 2 维进行可视化要困难得多，但我希望你能理解。
