我有一些观测数据，这些数据是特定事件在给定用户中发生的计数。例如

        login_count logout_countuser1            5            2user2           20           10user3           34            5

我想将这些变量连同其他一些变量一起输入到PCA中，只是想知道我应该直接使用计数（并对列进行缩放）还是使用百分比（并在之后对列进行缩放），例如

       login_count logout_countuser1         0.71         0.28user2         0.66         0.33user3         0.87         0.13

哪种方式更适合表示数据？

谢谢

回答：

这取决于你想从数据中提取什么信息。

如果登录和登出的相关性是login=p*logout，那么我会选择第一种方法。第二种方法有点奇怪，因为你应该100%的时间都在登录（否则你怎么知道这是user1？），而登出可能只有28%。而且你还有依赖关系1-login_procent_i=logout_procent_i，这会在预处理前后产生完美的相关性。