我必须在包含数值和分类值的数据集上应用 PCA。在预处理阶段，我将所有分类值转换为数值，以便软件可以处理它们（基本上我创建了虚拟变量）。现在，为了应用 PCA，我必须缩放数据矩阵，使平均值等于 0。我的问题是：归一化分类值是否有意义（现在是数字，但它们实际上是分类值） ? 我认为它没有，但在这种情况下，我该如何进行？我在不缩放这些变量的情况下进行 PCA？
谢谢！
PCA 之前的数据缩放：如何处理分类值？
数据挖掘
分类数据
主成分分析
正常化
特征缩放
2021-10-01 02:01:02
1个回答
对于混合数据，您不能使用 PCA，或者至少不推荐。最好使用混合数据的因子分析。你很幸运，Prince是一个涵盖所有数据场景的 Python 包，借用它的解释：
- 您所有的变量都是数字：使用主成分分析（prince.PCA）
- 您有一个列联表：使用对应分析 (prince.CA)
- 您有超过 2 个变量，它们都是分类的：使用多重对应分析 (prince.MCA)
- 您有分类或数值变量组：使用多因素分析 (prince.MFA)
- 您同时拥有分类变量和数值变量：使用混合数据的因子分析 (prince.FAMD)
在 stats.stackexchange 或在researchgate的讨论中查看这个问题/答案。