假设我有稀疏的特征向量，我想使用降维来更容易地可视化它们。

像 PCA 这样的降维技术将估计给定数据的特征之间的共线性。如果我对我的特征之间的共线性有一些先验知识怎么办？如在，我将能够在我的特征之间创建一个近似的距离矩阵，因此在我的数据点之间。

我知道如果特征实际上是共线性的，那么像 PCA 这样的方法会找到减少它们的方法，但是，我担心我没有足够的数据点来严格地从数据中推断出共线性，并且 PCA 会删除有意义的特征并保留无信息的。

假设我的数据看起来像这样：

$x_0 = \{1,NaN,-1,NaN\}$

$x_1 = \{1,NaN,NaN,-1\}$

就我而言，我知道第 3 和第 4 个特征是共线的，并且和之间的距离接近于零。因此，它们应该映射到低维空间中非常相似的数据点。$x_0$$x_1$

PCA 还能用这么少的数据点做吗？有没有办法“强制”已知的共线性或距离测量？也许是 T-SNE？