天善学院-特征筛选与降低维度下载

weixin_39821228 2020-06-19 01:30:24

天善学院-特征筛选与降低维度
jupyter notebook(python 语言) 很详细的讲解和应用，可以快速入门。应用是实例的。
相关下载链接：//download.csdn.net/download/weixin_41272406/10355896?utm_source=bbsseo

...全文

29 回复打赏收藏转发到动态举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

通常情况下，在收集数据集时会有很多的特征，这代表着数据是高冗余的表示，但是对于某个工程来说其实可能并不需要那么多的特征。所以就需要给数据进行降维（Dimensionality Reduction）。降维可以简化数据，使数据集更易使用，降低时间开销，而且能减少一部分噪音的影响，使最后的效果变好。目前，主要降维方法有：主成分分析法(Principal Component Analysis, PCA)、因子分析法(Factor Analysis)、独立成分分析(Independent Component

维度表维度表：相当于存放数据的属性，就是你对数据分析时所用的量，比如分析产品销售情况，可以选择按商品类型，销售区域等等来分析。这样按…来分析就构成了一个维度。另外每个维度还可以有子维度（称为属性），例如类别可以有子类型，产品名等属性。一般把能够分类的属性单独列出来，成为维度表，在事实表中维护事实与维度的引用关系。维度表就是存放了具有独立属性呵呵层次结构的数据，一般由维度编码和对应的维度说明组成。事实表事实表：联系事实与维度表的数字度量值和键，事实数据表包含描述业务内特定事件的数据。是数据聚合后依据

特征筛选实现1、特征筛选2、特征筛选具体案例操作参考文献： 1、特征筛选（1）含义特征筛选/选择( Feature Selection )也称特征子集选择( Feature Subset Selection , FSS )，或属性选择( Attribute Selection )。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。对于一个

降维则是为了缓解维数灾难的一个重要方法，就是通过某种数学变换将原始高维属性空间转变为一个低维“子空间”。其基于的假设就是，虽然人们平时观测到的数据样本虽然是高维的，但是实际上真正与学习任务相关的是个低维度的分布。从而通过最主要的几个特征维度就可以实现对数据的描述，对于后续的分类很有帮助。降低维度的算法可以解决过拟合的问题。降低维度的算法主要有：主成分分析法PCA 线性判别法L...

下载资源悬赏专区

13,655

社区成员

12,589,237

社区内容

发帖

与我相关

我的任务

其他技术论坛（原bbs）

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章