Python 机器学习预测-为什么以及何时开始使用PCA？

从一个非常普遍的角度来看，当你有一个数据集X并且想要预测一个标签Y时，首先从PCA（主成分分析）开始，然后从直觉和理论上进行预测本身（逻辑回归，或随机森林或其他）的目的是什么？在哪种情况下，这可以提高预测的质量？

---

谢谢

我想你指的是基于PCA的降维。低方差数据通常（但并非总是）具有很小的预测能力，因此删除数据集的低方差维度可能是提高预测程序运行时间的有效方法。在提高信噪比的情况下，它甚至可以提高预测质量。但这只是一种启发，并不是普遍适用的。

这是离题的，你应该看看。