我正在Coursera上学习实用机器学习，我对其中一个作业感到困惑。我想非常清楚，我不是张贴，因为我希望有人给我答案-我只是想帮助了解正在发生的事情。
我们正在学习PCA和预处理。我的理解是，PCA就是试图将多个共线性变量合并成一个因素，而PCA算法试图在使用最少数量的变量时找到这些变量的最佳线性组合。例如，如果我有5个高度相关的变量，PCA可能会发现仅仅使用其中的4个以某种组合来解释最大的方差。然后，当你进行训练时，它应用任何变量和系数的组合是一个单一的预测器而不是单个变量(对吗)?
我难以理解的是幕后发生的事情。例如，在讲座中，数据集中有58个变量(第58个是DV)，我们试图使用PCA进行预测。我试图理解代码的作用和它创建的对象类型，这是我可以使用一些帮助的地方。下面是代码和我的注释，我认为解释发生了什么——有人能纠正我吗?这些都在讲座中，但是解释不是很清楚。
- 遍历所有57个潜在的预测因子，并找到解释方差最大的2个预测因子的最佳集合。创建对象?????
preProc <- preProcess(log10(training[,-58]+1),method="pca",pcaComp=2)
trainPC <- predict(preProc,log10(training[,-58]+1))
modelFit <- train(training$type ~ .,method="glm",data=trainPC)
我正试着把这些"知识"应用到一个测验问题中，下面会解释。我不想要答案，只需要解释代码在做什么。
实际测试问题
使用命令加载阿尔茨海默病数据:
library(caret)
library(AppliedPredictiveModeling)
set.seed(3433)
data(AlzheimerDisease)
adData = data.frame(diagnosis,predictors)
inTrain = createDataPartition(adData$diagnosis, p = 3/4)[[1]]
training = adData[ inTrain,]
testing = adData[-inTrain,]
创建一个仅由变量名以IL开头的预测器和诊断组成的训练数据集。建立两个预测模型，一个使用预测因子本身，另一个使用主成分解释预测因子中80%方差的PCA。在train函数中使用method="glm"。测试集中每种方法的准确率是多少?哪个更准确?
您可以在这里阅读有关插入符号的详细信息:https://cran.r-project.org/web/packages/caret/caret.pdf
1)不完全是，你正在创建PCA预处理模型，它现在存储在preProc中，它将所有57个不同的预测因子组合成2个具有一定权重的预测因子(每个新特征是原始特征的不同线性组合)，保持尽可能多的方差。
2)现在你正在应用前一步计算的转换到你的特征，trainPC现在只包含2个特征。
3)是的，此时你正在拟合"glm"广义线性模型，它本身可能是分类或回归任务(不像前一步那样转换特征，但你仍然可以像前一步那样使用预测来预测值)。https://topepo.github.io/caret/Generalized_Linear_Model.html