术语：
组件：PC
[loading-score[i,j]：j中的PC[i]功能
问题：
我知道有关特征选择的问题在StackOverflow（SO）和其他技术页面上曾多次问过，它提出了不同的答案/讨论。这就是为什么我要针对不同的解决方案进行讨论，而不是将其作为一般问题发布，因为这样做已经完成。
[建议使用PCA选择特征的不同方法：例如，使用原始特征和分量(here)之间的点积来获得它们的相关性，SO here上的讨论建议您只能将重要特征作为组件中的加载分数（而不是在输入空间中使用该重要性），SO上的另一次讨论（我目前无法找到）表明，feature[j]的重要性为abs(sum(loading_score[:,j])，即所有loading_score[i,j]分量的i绝对值。
我个人认为获得特征重要性的方法是绝对总和，其中每个loading_score[i,j]由分量i的解释方差加权，即
imp_feature[j]=sum_i (abs(loading_score[i,j])*explained_variance[i]。
嗯，没有通用的方法来选择特征；它完全取决于数据集和有关数据集的一些见解。我将提供一些可能有用的示例。