我有文本数据，我对其进行了热编码，然后在其上使用了 PCA（尽管我也在尝试其他方法，LDA、NMF ..）。我使用降维的结果作为监督分类任务的输入。
现在我可以使用随机森林特征重要性或其他方法来获取受监督 cls 任务输入的特征重要性。然而，这些特征自然是没有意义的。我想知道哪些词对这个分类最重要。换句话说，以某种方式通过 PCA 将特征重要性分数传播回去。
有什么已知的方法可以做到吗？
PCA（或其他降维方法）之后的特征重要性
数据挖掘
特征提取
主成分分析
降维
预测重要性
2022-03-15 22:18:12
1个回答
大多数 PCA 方法返回允许从组件转换为变量的线性变换矩阵，反之亦然。
不可能做的是将特征重要性从组件分配给变量（除非您愿意接受“特征重要性”可以线性分配的假设）。
如果你接受括号之间的想法，你可以有一个线性方程组在哪里是组件到变量的矩阵（大小组件逐个变量），是特征重要性和是结果（变量重要性）。
我给你的这个想法是我认为可行的，你可能不会在任何研究或类似的研究中找到它。