我有一个包含10个变量的数据集，我希望将其减少到单个"分数"。我了解PCA的基础知识，它使用变量的协方差矩阵来创建10个特征向量和10个特征值。通常我们要做的是将特征向量乘以归一化数据来生成主成分，他们选择任意数量的主成分，然后把它们投入到回归中，得到拟合值。换句话说，系数乘以主成分允许将数据简化为单个变量。
我的问题是我是否需要做回归步骤(我没有因变量)。不做回归，我可以用特征值作为系数吗?换句话说，我能否取特征值向量和主成分的内积来产生一个单一的变量?
我从未见过这样使用它(据我所知甚至没有人问过这个问题)，但对我来说这似乎是直觉。是我遗漏了什么，还是这是合法的，只是我没有找对地方?谢谢!
是否有目标变量?因为这里有两个东西
- 主成分回归与
- 主成分分析
如果您有一个目标变量(您想要预测或解释的变量)，如果不是第二个，则回归。PC回归—>您需要一个目标变量
PC分析->你不需要任何回归步骤。
我认为你是第二种情况。所以你只是想把你的10个变量减少到1个来总结一切。也许是一个有趣的Python教程:https://jakevdp.github.io/PythonDataScienceHandbook/05.09-principal-component-analysis.html