PCA将生成正交（非相关）的“新”（转换后的）特征。但是，由于原始特征是经过转换的，因此您很难对基于 PCA 的（原始）特征的重要性说太多。

一种明显的替代方法是使用随机森林 (RF) 来确定特征重要性。使用基于树的模型（如 RF 或基于树的提升），您无需关心特征空间中的共线性。

使用PCA时，您不应再尝试解释单个特征。主成分是变量的多个线性组合，不应与原始特征相关。

当您想处理特征重要性时，您可以使用随机森林或决策树，如前所述。您也可以通过随机化或改组一个特征、重新训练网络并比较性能来使用神经网络来做到这一点。