应用PCA后我们能否在原始数据中发现冗余特征

Question

在此先感谢。

我们已经知道PCA用于去除原始数据集中的一些冗余或线性相关特征/尺寸（例如km和inch特征）。此外，下降阶的特征值只是一个权重，告诉我们新的正交空间中哪一个新特征/维度是最重要/最不重要的。

但是，似乎特征值与原始数据集中的旧特征/维度没有明确关系。

这是我的问题，应用PCA后，我们可以回顾一下，并找出原始数据集中特定的冗余（接近线性相关）特征吗？

Here是以前提到的类似问题，但目前尚未提供确切的答案。因此，任何帮助将不胜感激。

Answer 1

不，但您不需要PCA。只要看看原始尺寸的变化。