我有一个回归问题，我的数据有 21 个特征，我希望使用 PCA 应用降维。据我所知，到目前为止我看到的所有教程都使用 PCA 来解决分类问题。我确实为回归做了 PCA，但我无法显示漂亮的散点图，这些散点图在 x 轴上显示 PC1，在 y 轴上显示 PC2，而目标在中间。

我写了以下代码

        X = self.X

        pca = PCA(n_components=NUM_FEATURES_PCA)
        principal_components = pca.fit_transform(X)

        principalDf = pd.DataFrame(data=principal_components,
                                   columns=['PC1', 'PC2'])
        finalDf = pd.concat([principalDf, self.df[[self.target_variable]]], axis=1)
        plt.scatter(finalDf.loc[self.df[self.target_variable], 'PC1']
                   , finalDf.loc[self.df[self.target_variable], 'PC2'], s=50)
        plt.xlabel('PC1', fontsize=15)
        plt.ylabel('PC2', fontsize=15)
        plt.title('2 component PCA', fontsize=20)
        plt.show()

所以换句话说，我们可以在回归中为 PCA 显示这样的图吗？或者我们应该通过分箱或类似方式将连续目标变量转换为分类（标记为一个）？

参考：这些地块