一、用自己的话描述出其本身的含义： 1、特征选择 通过人工选择特征筛选删除相关系数较低的特征，从而达到降维的作用让模型更加准确。 2、PCA 分析、简化数据集，用特征降维的方法减少特征数降低数据复杂的，减少过度拟合的可能性。 二、并用自己的话阐述出两者的主要区别 特征选择后是原来的特征集；PCA选择 ...
分类：
其他好文 时间：
2020-05-03 15:01:58
阅读次数：
52
一、用自己的话描述出其本身的含义： 1、特征选择：特征选择的本质就是对一个给定特征子集的优良性通过一个特定的评价标准进行衡量．通过特征选择，原始特征集合中的冗余特征和不相关特征被除去，而有用特征得以保留。 2、PCA：PCA，即主成分分析方法，是一种使用最广泛的数据压缩算法。在PCA中，数据从原来的 ...
分类：
其他好文 时间：
2020-05-03 14:50:20
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 一般是减少样本中不相关的特征，加快模型的训练速度和效率，比如预测今天是否会下雨，其中性别比例就是多余的特征。 2、PCA 就是识别数据中主要的特征，然后通过分析特征值，确定出需要保留的主成分个数，舍弃其他主成分，从而实现数据的降维。 二、并用自己的话 ...
分类：
其他好文 时间：
2020-05-02 09:20:48
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：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
