9 主成分分析

2022-09-17 03:15:10 字數 735 閱讀 6591

一、用自己的話描述出其本身的含義:

1、特徵選擇

特徵選擇也叫特徵子集選擇。分為有監督學習和無監督學習。從已有的m個特徵(feature)中選擇n個特徵使得系統的特定指標最優化,將高維空間的樣本通過對映或者是變換的方式轉換到低維空間,達到降維的目的。

是從原始特徵中選擇出一些最有效特徵以降低資料集維度的過程,是提高學習演算法效能的乙個重要手段,是模式識別中關鍵的資料預處理步驟。

2、pca  主成分分析

pca主成分分析是利用降維的思想,多個指標轉化為少數幾個綜合指標,從而使資料能更好的進行分析和視覺化。

二、並用自己的話闡述出兩者的主要區別

pca改變了原來特徵的形式。 

特徵選取沒有改變特徵的形式。

一、用自己的話描述出其本身的含義:

1、特徵選擇

特徵選擇也叫特徵子集選擇。分為有監督學習和無監督學習。從已有的m個特徵(feature)中選擇n個特徵使得系統的特定指標最優化,將高維空間的樣本通過對映或者是變換的方式轉換到低維空間,達到降維的目的。

是從原始特徵中選擇出一些最有效特徵以降低資料集維度的過程,是提高學習演算法效能的乙個重要手段,是模式識別中關鍵的資料預處理步驟。

2、pca  主成分分析

pca主成分分析是利用降維的思想,多個指標轉化為少數幾個綜合指標,從而使資料能更好的進行分析和視覺化。

二、並用自己的話闡述出兩者的主要區別

pca改變了原來特徵的形式。 

特徵選取沒有改變特徵的形式。

9 主成分分析

一 用自己的話描述出其本身的含義 1 特徵選擇 根據實際情況需要篩選出符合模型訓練的特徵,只是從一堆特徵裡單純挑出需要的特徵,沒有對這些特徵進行過修改和降維,形成新的特徵 2 pca 主成分分析pca,他會根據特徵資料的規律和主要成分將特徵自動降維成更具代表性,更簡潔的資料,降低資料的冗餘量,使不同...

9 主成分分析

一 用自己的話描述出其本身的含義 1 特徵選擇 根據需求,選擇具有價值的樣本特徵,即減少不必要的樣本特徵。減少特徵具有重要的現實意義,不僅減少過擬合 減少特徵數量 降維 提高模型泛化能力,而且還可以使模型獲得更好的解釋性,增強對特徵和特徵值之間的理解,加快模型的訓練速度,一般的,還會獲得更好的效能。...

9 主成分分析

一 用自己的話描述出其本身的含義 1 特徵選擇 特徵選擇也叫特徵子集選擇。是指從已有的m個特徵 feature 中選擇n個特徵使得系統的特定指標最優化,是從原始特徵中選擇出一些最有效特徵以降低資料集維度的過程,是提高學習演算法效能的乙個重要手段,也是模式識別中關鍵的資料預處理步驟。2 pca 主成分...