关于sklearn的python：PCA。无法通过PCA确定功能选择

PCA with sklearn. Unable to figure out feature selection with PCA

我一直在尝试使用PCA进行降维。我目前有一张尺寸为(100，100)的图像，并且我使用的是由140个Gabor滤镜组成的滤镜组，其中每个滤镜都会给我一个响应，它又是(100，100)的图像。现在，我想进行功能选择，而我只想选择非冗余功能，而我读到PCA可能是一个好方法。

因此，我开始创建一个具有10000行和140列的数据矩阵。因此，每一行都包含该滤波器组的Gabor滤波器的各种响应。现在，据我所知，我可以使用PCA作为

1
2
3
4

from sklearn.decomposition import PCA

pca = pca(n_components = 3)
pca.fit(Q) # Q is my 10000 X 140 matrix

但是，现在我对如何找出这140个特征向量中的哪一个感到困惑。我猜想它应该给我这140个向量中的3个(对应于包含有关图像最多信息的Gabor滤波器)，但我不知道如何从这里开始。