一、用自己的话描述出其本身的含义： 1、特征选择：原始数据中，有许多特征值是一样的，去除不相关的特征，可以降低学习任务的难度，只留下关键特征，才可以更容易看清真相。 2、PCA：即主成分分析技术，又称主分量分析。主成分分析也称主分量分析，旨在利用降维的思想，把多指标转化为少数几个综合指标。 二、并用 ...
分类：
其他好文 时间：
2020-05-01 22:16:31
阅读次数：
60
一、用自己的话描述出其本身的含义： 1、特征选择 2、PCA 特征选择就是，一个学习任务会有很多属性，属性就是特征，有些无关紧要，有些很有用，一般是选择有用的特征就行数据分析与学习。 PCA就是，将特性明显的，较为重要的信息保留下来。 二、并用自己的话阐述出两者的主要区别 特征选择就是，从海量的数据 ...
分类：
其他好文 时间：
2020-05-01 20:56:35
阅读次数：
59
9.主成分分析 一、用自己的话描述出其本身的含义： 1、特征选择 2、PCA 二、并用自己的话阐述出两者的主要区别 答：一、特征选择就是特征降维中进行人工选择的方式，主观性剔除不要的特征。而PCA则是特征降维中除了特征选择的另一种降维方法，中文名为主成分分析技术，他的作用是尽可能降低原数据的维数，简 ...
分类：
其他好文 时间：
2020-05-01 19:02:44
阅读次数：
72
一、用自己的话描述出其本身的含义： 1、特征选择：从一组特征中挑选出一些最有效的特征来降低特征空间维数。去除不相关的特征，可以降低学习任务的难度，只留下关键特征，往往可以更容易看清真相。 2、PCA：主成分分析PCA是一种分析、简化数据集的技术，经常用于减少数据集的维数，同时保持数据集中的对方差贡献 ...
分类：
其他好文 时间：
2020-05-01 18:49:16
阅读次数：
66
一、用自己的话描述出其本身的含义： 1、特征选择 从多个特征中选择一部分特征作为训练集的特征，特征在选择前后不改变值。 2、PCA PCA是特征降维，降维是从一个维度空间映射到另一个维度空间，也就是高维度数据集映射到低维度空间的同时，尽可能的保留的变量。 二、并用自己的话阐述出两者的主要区别 特征选 ...
分类：
其他好文 时间：
2020-05-01 18:31:25
阅读次数：
53
一、描述出其本身的含义： 1、特征选择 特征选择对于数据科学家、机器学习从业者来说非常重要。好的特征选择能够提升模型的性能，更能帮助我们理解数据的特点、底层结构，这对进一步改善模型、算法都有着重要作用。 特征选择主要有两个功能： (1)减少特征数量、降维，使模型泛化能力更强，减少过拟合 (2)增强对 ...
分类：
其他好文 时间：
2020-05-01 13:01:36
阅读次数：
254
一、用自己的话描述出其本身的含义： 1、特征选择 特征选择也叫特征子集选择。是指从已有的M个特征(Feature)中选择N个特征使得系统的特定指标最优化， 是从原始特征中选择出一些最有效特征以降低数据集维度的过程,是提高学习算法性能的一个重要手段, 也是模式识别中关键的数据预处理步骤。 2、PCA ...
分类：
其他好文 时间：
2020-04-30 23:01:01
阅读次数：
59
一、用自己的话描述出其本身的含义： 1、特征选择 当我们拿到一个数据集的时候，它其中的特征会有很多，如果我们直接导入计算运算量将是极其庞大和没用处的，所以要对特征进行降维选择性的舍弃，留住重要部分，这个操作就叫特征选择。 2、PCA PCA是一种很成熟的用来对数据集进行简化降维的一种算法，他是在保留 ...
分类：
其他好文 时间：
2020-04-30 22:54:16
阅读次数：
59
一、用自己的话描述出其本身的含义： 1、特征选择：就是从一组特征中挑选出一些最有效的特征，以达到降低特征空间维数的目的 2、PCA：简单来说PCA就是一种用于分析、简化数据集的技术 二、并用自己的话阐述出两者的主要区别 特征选择主要用于特征较少时使用，而主成份分析的特征可达上百个。特征选择就是单纯地 ...
分类：
其他好文 时间：
2020-04-30 11:56:20
阅读次数：
60
一、用自己的话描述出其本身的含义： 1、特征选择 2、PCA 特征选择 特征选择就是从所有特征中选择部分特征作为训练集，即对现有特征拿好的特征，差的特征就不要，特征在选择前后 可以改变特征部分的值、也可以不改变特征部分的值，只是选择后的特征维数肯定要比选择前小。 PCA PCA是一种分析、简化数据集 ...
分类：
其他好文 时间：
2020-04-30 11:52:06
阅读次数：
71
