Machine learning 在降低数据集的维数之后，我得到了负的特征值

我在一个大数据集上使用了降维方法（这里讨论：）

将维度从1000降到50后，我得到了新的数据集，其中每个样本如下所示：

[1751.-360.-2069….、2694.-3295.-1764.]

现在我有点困惑，因为我不知道负特征值应该是什么意思。有这样的负面特征可以吗？因为在还原之前，每个样本都是这样的：

3，18，18，18，126

---

这是正常的还是我做错了什么？

我想你是从一开始就实现了这个算法的

---

由于投影矩阵有一些负值，所以投影可以将正值映射为负值。所以符号的变化并不表示错误。

因为@Ahmed也促使我对这个问题进行评论——你的旧向量是降维空间的新基向量的线性组合。你的向量有时只能通过使用一个新维度的一点来表达，但减去另一个维度的一些。扩展“功能”的解释有点困难。但是假设你的旧数据集中有一项是乐队皇后，她有摇滚和歌剧的元素。假设在你的新基础中，一个维度是“摇滚”，另一个维度可能意味着“不像歌剧”。女王将是一些“摇滚”减去一些“不像歌剧”。