在tf-国防军特征之上运行PCA？

Question

在Tf-国防军获得的属性之上运行PCA是个好主意吗？

tf-国防军返回了很多属性，所以在这种情况下，我认为运行PCA来减少维数是个好主意。

另一方面，tf-国防军试图找到一些非常具体的例子，而在PCA你试图概括，你会失去一些信号，这一系列的操作。

Answer 1

这可能取决于您的下游任务。对于分类，在提高下游分类器模型的速度的同时，性能度量(在我的例子中是F1宏)的下降是可以忽略不计的。

有基于主成分分析( PCA )在基于变压器的嵌入顶部的类似报告。

您可能会松散维度(术语)，这些维度(术语)不会给您的数据添加太多的差异(PCA会找到最大方差的投影)，但是对于下游任务至关重要(例如，它们会出现在少数类中)。

PCA还可以帮助您捕获术语之间的关联(经常发生在同一文档中的单词)，而无需使用n克tf-国防军。