我正在尝试对一个维度为m x n的矩阵进行PCA，其中m是特征的数量，n是样本的数量。

假设我想保留具有最大方差的nf个特征。使用scikit-learn，我可以这样做：

from sklearn.decomposition import PCAnf = 100pca = PCA(n_components=nf)# X是转置后的矩阵（行是n个样本，列是m个特征）pca.fit(X)X_new = pca.transform(X)

现在，我得到一个新的矩阵X_new，其形状为n x nf。是否可以知道哪些特征被丢弃或保留了呢？

谢谢

回答：

你的PCA对象在拟合过程中确定的特征位于pca.components_中。由pca.components_张成的向量空间的正交空间被丢弃了。

请注意，PCA不会“丢弃”或“保留”你预定义的任何特征（由你指定的列编码）。它会混合所有特征（通过加权和）来寻找最大方差的正交方向。

如果这不是你想要的行为，那么PCA降维方法可能不适合你。对于一些简单的通用特征选择方法，你可以查看sklearn.feature_selection