降低数据集的维数后，我得到了负特征值
我在大数据集。
将维度从 1000 减少到 50 后，我得到了新的数据集，其中每个样本如下所示：
[ 1751.-360. -2069。 ...，2694。-3295。 -1764.]
现在我有点困惑，因为我不知道负特征值意味着什么。拥有这样的负面特征可以吗？因为在减少之前，每个样本都是这样的：
3、18、18、18、126……
这是正常的还是我做错了什么？
I used a Dimensionality Reduction method (discussion here: Random projection algorithm pseudo code) on a large dataset.
After reducing the dimension from 1000 to 50, I get my new dataset where each sample looks like:
[ 1751. -360. -2069. ..., 2694. -3295. -1764.]
Now I am a bit confused, because I don't know what negative feature values supposed to mean. Is it okay to have negative features like this? Because before the reduction, each sample was like this:
3, 18, 18, 18, 126 ...
Is it normal or am I doing something wrong?
如果你对这篇内容有疑问，欢迎到本站社区发帖提问 参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。
绑定邮箱获取回复消息
由于您还没有绑定你的真实邮箱，如果其他用户或者作者回复了您的评论，将不能在第一时间通知您！
发布评论
评论（1）
我猜您实现了本文中的算法。
由于投影矩阵有一些负值，因此投影将正值映射到负值是可以的。因此，符号的变化并不表示有错误。
I guess you implemented the algorithm from this paper.
As the projection matrix has some negative entries it is ok that the projection maps positve to negative values. So the change in the signs does not indicate an error.