我正在使用kpca函数kernlab并尝试获取每个组件解释的方差比例，如标准 PCA 中一样。我没有先验选择特征的数量，因为我想检查它们的贡献。但是，我得到了 124 个组件，这比具有 10 个协变量的原始数据集要多得多。另一方面，没有大的特征值可以让我在某个水平上进行切割。有没有其他选择来选择一些功能？

这是我的特征值：

     0.040155876 0.031142483 0.029499281 0.024417995 0.023562053 0.021718055
     0.020310953 0.018984183 0.017789973 0.017311123 0.015484136 0.015346860 
     0.015005007 0.013791102 0.013291260 0.012670090 0.012180261 0.011882593 
     0.011523336 0.011107896 0.011045174 0.010477924 0.010251907 0.009882142 
     0.009606943 0.009529857 0.009362611 0.009340580 0.009062668 0.008987593 
     0.008699146 0.008670243 0.008549814 0.008398879 0.008214842 0.008091366 
     0.008029260 0.007924718 0.007857977 0.007771030 0.007691762 0.007657295 
     0.007582320 0.007510590 0.007470620 0.007404477 0.007285695 0.007246443 
     0.007134445 0.007087406 0.006956178 0.006935525 0.006898103 0.006864934 
     0.006653101 0.006605607 0.006585557 0.006513107 0.006395417 0.006207376 
     0.006171564 0.006043939 0.006023738 0.005955121 0.005894706 0.005788706 
     0.005714630 0.005700367 0.005601950 0.005550044 0.005441031 0.005410300 
     0.005367971 0.005246899 0.005161450 0.005093251 0.005026677 0.004984414 
     0.004866770 0.004674961 0.004655324 0.004644769 0.004529852 0.004447371 
     0.004411176 0.004338879 0.004258299 0.004135511 0.004078752 0.003985330 
     0.003902527 0.003838939 0.003734150 0.003582305 0.003547204 0.003485095 
     0.003440328 0.003397815 0.003363152 0.003246147 0.003223031 0.003184239
     0.003091351 0.002938476 0.002868938 0.002765338 0.002645138 0.002572225 
     0.002544704 0.002466896 0.002419687 0.002298704 0.002187789 0.002089151 
     0.002019031 0.001957721 0.001908535 0.001887064 0.001760442 0.001705021
     0.001587056 0.001536336 0.001228544 0.001079629