我的数据集是31000行，具有13个属性。但是因为大多数是分类的，所以我不得不对这些属性使用NominalToBinary，因此属性增加到61。
我已经将数据采样到18000行，并在Weka中将PCA与排名应用了。 centerData为false，因此应为我对其进行规范化。
这是我的结果：
0.945 1 -0.367Marial_Status= Married-civ-spouse-0.365Relationship= Husband+0.298Marial_Status= Never-married+0.244Age=0_23+0.232Gender= Female...我知道排名是差异。那么排名1是94.5％？现在，我在选择功能时遇到的问题是如何知道要保留哪些功能？这些属性大多数都是分类的，对于PCA更改为数字。因此，对于具有分类和数值的原始数据集，对于此输出，它对特征选择有何看法？
我的数据集是31000行，具有13个属性。但是因为大多数是分类的，所以我不得不对这些属性使用NominalToBinary，因此属性增加到61。我将数据采样到...
PCA假定为数值数据。如果对分类变量进行二进制编码，则基本上会费劲，并使数据符合模型假设。