据我了解，我认为 PCA 只能针对连续特征执行。但是，在尝试了解 onehot 编码和标签编码之间的区别时，通过以下链接中的帖子:
When to use One Hot Encoding vs LabelEncoder vs DictVectorizor?
它指出，一个热编码后跟 PCA 是一种非常好的方法，这基本上意味着 PCA 应用于分类特征。 因此感到困惑，请同样建议我。
最佳答案
我不同意其他人。
虽然您可以在二进制数据上使用 PCA(例如一次性编码数据)，但这并不意味着它是一件好事，或者它会很好地工作。
PCA 是为连续 变量设计的。它试图最小化方差(=平方偏差)。当你有二元变量时，平方偏差的概念就失效了。
是的，您可以使用 PCA。是的，你得到一个输出。它甚至是最小二乘输出:PCA 不会对此类数据进行段错误。它有效，但它的意义远没有你想要的那么好；并且据说比例如更有意义频繁模式挖掘。
关于python - PCA 用于分类特征？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/40795141/