据我所知，我认为PCA只能用于连续特征。但在试图理解独热编码和标签编码的区别时，我看到了一篇帖子，链接如下：
该帖子指出，独热编码后再进行PCA是一种非常好的方法，这基本上意味着PCA可以应用于分类特征。因此我感到困惑，请指导我解决这个问题。
回答：
我不同意其他人的观点。
虽然你可以在二元数据上使用PCA（例如独热编码的数据），但这并不意味着这是个好主意，或者它会运作得很好。
PCA是为连续变量设计的。它试图最小化方差（=平方偏差）。当你有二元变量时，平方偏差的概念就失效了。
所以，是的，你可以使用PCA。而且，是的，你会得到一个输出。甚至是一个最小二乘的输出：PCA不会在这种数据上崩溃。它能工作，但它的意义远不如你期望的那么大；而且据说其意义不如例如频繁模式挖掘那么大。
