R- FactoMiner MCA如何选择重要特性？

Question

我的数据集是数值和分类值的混合，结果是一个类标签，大约有400列，数据集包含缺失值。在我的脑海中有很多问题。首先是：

1. 如何处理缺失值？我用-1替换了所有缺少的值，可以吗？？
2. 如何对此数据应用MCA因子分析？我是否应该将训练和测试结合起来，然后应用主成分分析？
3. 如何解释主成分分析的输出以获得最相关的特征?

Answer 1

1. 如果您使用FactoMineR包，请不要接触您的数据集，它会自行处理缺少的值。
2. 您必须尝试这种代码

库(FactoMineR)库(Factoextra) df <- data.frame(df) #仅包含分类变量的数据集res.mca <- MCA(df，quali.sup) #可视化主成分fviz_eig(res.mca，addlabels = TRUE) #单个绘图fviz_mca_ind(res.mca，col.ind = "cos2"，axes = c(1,2)，# axes default repel = TRUE) # Variable plot on axe 1 fviz_contrib(res.mca，choice = "var"，axes = 1，#你可以切换其他轴top = 10) #最佳变量贡献fviz_mca_var(res.mca，col.var = "contrib"，axes = c(1,2)，repel = TRUE)

• Interpretation看起来像PCA。

- Visualize Principal Components (CP) : see %information of each variables
- Individual & Variable plots : bring out correlations variables and outliers
- Contribution : see %variable contribution on each axes

​