PCA &聚类混淆

Question

我有一个关于K均值聚类和PCA的问题。在我的项目中，我有两个目标类--0和1- -并且我试图将被预测为0的记录分组到5个集群中。我严格使用PCA作为可视化技术，因为我的数据框架有8个维度，我需要将其降到2-3维才能看到集群。我的问题是关于我应该遵循的程序~

第一条路：

1. 提取目标=0的所有记录
2. PCA和KMeans只是在那些记录上

第二条路：

1. 对所有记录(目标=0和1)进行PCA处理
2. 用目标=0提取PCA记录(从步骤1中创建的PCA数据帧中)
3. 在那些记录上做KMeans

使用这两种方法，记录的PCA1、PCA2、PCA3值(目标=0)是不同的。而且，由于PCA值不同，聚类可视化也呈现出不同的效果。我应该遵循哪种选择？

非常感谢!

Answer 1

我的回答是第二个选择

我认为PCA是通过计算数据最大变化的方向/轴来表示原始高维信息/低维数据。

在第一种情况下，你过滤0标记的观测，然后再进行PCA，这样PCA将根据较小版本的原始数据来度量变量，并且会产生与第二种情况不同的轴，其中PCA将测量所有数据的变化，因此在第二种情况下产生的轴可能是不同的。因此，在第一个选项中，在PCA之后得到的数据集不是高维0标记观测的正确表示。