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 ...
分类：
其他好文 时间：
2020-04-30 10:01:33
阅读次数：
65
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 ...
分类：
其他好文 时间：
2020-04-30 09:34:41
阅读次数：
40
一、用自己的话描述出其本身的含义： 1、特征选择 ①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。 2、PCA ②主成分分析是一种分析、简化数据集的技术。主成分分析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最大的特征。 二、并用自己的话阐述出两者的主要区别 特征选择是从 ...
分类：
其他好文 时间：
2020-04-28 23:27:35
阅读次数：
102
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，简化数据。 二、两 ...
分类：
其他好文 时间：
2020-04-28 16:45:50
阅读次数：
46
一、用自己的话描述出其本身的含义： 1、特征选择 是指从已有的M个特征中选择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 主成分分析 ，是一种掌握事物主要矛盾的统计分析方 ...
分类：
其他好文 时间：
2020-04-28 12:58:30
阅读次数：
68
一、用自己的话描述出其本身的含义： 1、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，即对现有特征的“取其精华，去其糟粕”，特征在选择前后。可以改变值、也可以不改变值，只是选择后的特征维数肯定要比选择前小。 2、PCA 它是一种分析，简化数据集的技术。，是数据维数压缩，尽可能尽可能降低原 ...
分类：
其他好文 时间：
2020-04-28 09:32:16
阅读次数：
53
一、用自己的话描述出其本身的含义： 1、特征选择 将高维空间的样本通过映射或者是变换的方式转换到低维空间，达到降维的目的，然后通过特征选取删选掉冗余和不相关的特征来进一步降维。 2、PCA 找出数据里最主要的方面，用数据里最主要的方面来代替原始数据 二、并用自己的话阐述出两者的主要区别 PCA是用于 ...
分类：
其他好文 时间：
2020-04-27 22:44:45
阅读次数：
56
一、用自己的话描述出其本身的含义： 1、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，即对现有特征的“取其精华，去其糟粕”，特征在选择前后 可以改变值、也可以不改变值，只是选择后的特征维数肯定要比选择前小。 2、PCA PCA是一种分析、简化数据集的技术，主要是将数据的主成分（包含信息量 ...
分类：
其他好文 时间：
2020-04-27 19:31:34
阅读次数：
47
一、用自己的话描述出其本身的含义： 1、特征选择 2、PCA 答：特征选择：选择部分特征当做机器学习的相关数据。 PCA：PCA是一种分析，简化数据集的技术。，是数据维数压缩，尽可能尽可能降低原数据的维数（复杂度），损失少量信息，可以消减回归分析或聚类分析中特征的数量。 二、并用自己的话阐述出两者的 ...
分类：
其他好文 时间：
2020-04-27 19:06:50
阅读次数：
48
很容易理解的一篇博客[http://blog.codinglabs.org/articles/pca tutorial.html] 在高维情形下出现的数据样本稀疏、距离计算困难等问题，称为“维数灾难”。 缓解维数灾难的一个重要途径是降维。将原始高维属性空间转变成一个低维子空间，子空间样本密度大幅提高 ...
分类：
其他好文 时间：
2020-04-27 09:27:36
阅读次数：
163
