Я узнал о PCA несколько лекций назад в классе, и, узнав больше об этой увлекательной концепции, я узнал о редких PCA.
Я хотел спросить, если я не ошибаюсь, это то, что является редким PCA: В PCA, если у вас есть точек данных с переменными, вы можете представить каждую точку данных в мерном пространстве перед применением PCA. После применения PCA вы можете снова представить его в том же пространстве измерений, но на этот раз первый главный компонент будет содержать наибольшее отклонение, второй будет содержать второе направление отклонения и т. Д. Таким образом, вы можете исключить несколько последних основных компонентов, так как они не приведут к большой потере данных и вы можете сжать данные. Правильно?
Разреженный PCA выбирает главные компоненты так, чтобы эти компоненты содержали меньше ненулевых значений в своих векторных коэффициентах.
Как это должно помочь вам лучше интерпретировать данные? Кто-нибудь может привести пример?