โรงพยาบาลลดมิติข้อมูลด้วย PCA และเก็บ explained variance ร้อยละ 95 สิ่งใดยังสรุปไม่ได้
กประสิทธิภาพทำนายและความหมายเชิงสาเหตุ เพราะ PCA เน้นความแปรปรวนของฟีเจอร์
ขฟีเจอร์เดิมมีความแปรปรวนรวมที่สามารถคำนวณจากข้อมูลชุดเดียวกันได้
คจำนวนองค์ประกอบใหม่มีค่าน้อยกว่าหรือเท่ากับจำนวนฟีเจอร์เริ่มต้น
งองค์ประกอบหลักสร้างจากการผสมเชิงเส้นของฟีเจอร์ที่ผ่านการเตรียมข้อมูล
เฉลยอธิบาย
Decomposition guide, section 2.5.1 Principal component analysis (PCA) สนับสนุนหลักว่า PCA ลดมิติโดยฉายข้อมูลไปยังองค์ประกอบที่อธิบายความแปรปรวนสูง แต่ explained variance ไม่ใช่ค่าความแม่นยำหรือหลักฐานเชิงสาเหตุ ดังนั้นคำตอบที่ตรงที่สุดคือ “ประสิทธิภาพทำนายและความหมายเชิงสาเหตุ เพราะ PCA เน้นความแปรปรวนของฟีเจอร์”