PCA-vs-LDA 矩陣轉換與柏拉圖

降維概論本質：矩陣轉換

z1 = a1*x1 + a2*x2 + a3*x3
z2 = b1*x1 + b2*x2 + b3*x3

係數越大 → 該特徵對降維越重要。係數很小（如 0.0001）→ 可考慮捨棄。

柏拉圖（Pareto Chart）

找「關鍵少數」的視覺化工具：

軸	內容
X 軸	各因素（由大到小排列）
Y 軸左	數量/頻率
Y 軸右/曲線	累積百分比

找手肘點（累積 80~90%）= 關鍵因素

相關

PCA-vs-LDA / Greedy特徵選取 / 降維概論