一、用自己的话描述出其本身的含义： 1、特征选择 特征选择是将高维数据映射或者转换改成低维数据，完成降维目标，通过特征选取的方式将冗余或者不相关的特征删除掉，实现进一步的降维。 2、PCA 主成分分析又叫主元分析，该方法主要的思想是通过原始特征进行变换，从而找出一组互相不相关而且重要性从小到大排列的 ...
分类：
其他好文 时间：
2020-06-09 10:01:01
阅读次数：
53
降维（Dimensionality Reduction） 是机器学习中的一种重要的特征处理手段，它可以减少计算过程中考虑到的随机变量（即特征）的个数，其被广泛应用于各种机器学习问题中，用于消除噪声、对抗数据稀疏问题。它在尽可能维持原始数据的内在结构的前提下，得到一组描述原数据的，低维度的隐式特征（或 ...
分类：
编程语言 时间：
2020-06-07 00:46:37
阅读次数：
116
数据角度的模型一般指的是统计或数据挖掘、机器学习、人工智能等类型的模型，是纯粹从科学角度出发定义的。 1.降维 在面对海量数据或大数据进行数据挖掘时，通常会面临“维度灾难”，原因是数据集的维度可以不断增加直至无穷多，但计算机的处理能力和速度却是有限的；另外，数据集的大量维度之间可能存在共线性的关系，这会直接导致学习模型的健壮性不够，甚至很多时候算法结果会失效。因此，我们需要降低维度数量并降
分类：
其他好文 时间：
2020-06-04 15:26:58
阅读次数：
247
原文链接 从高数原理推导出的PCA降维 【机器学习】降维-PCA PCA（Principal Component Analysis） 是一种常见的数据分析方式，常用于高维数据的降维，可用于提取数据的主要特征分量。 PCA 的数学推导可以从最大可分型和最近重构性两方面进行，前者的优化条件为划分后方差最 ...
分类：
编程语言 时间：
2020-06-03 15:13:40
阅读次数：
75
PCA对手写数字数据集的降维 1. 导入需要的模块和库 from sklearn.decomposition import PCA from sklearn.ensemble import RandomForestClassifier as RFC from sklearn.model_select ...
分类：
编程语言 时间：
2020-05-30 23:26:07
阅读次数：
114
PCA中的SVD 1 PCA中的SVD哪里来？ 细心的小伙伴可能注意到了，svd_solver是奇异值分解器的意思，为什么PCA算法下面会有有关奇异值分解的参数？不是两种算法么？我们之前曾经提到过，PCA和SVD涉及了大量的矩阵计算，两者都是运算量很大的模型，但其实，SVD有一种惊人的数学性质，即是 ...
分类：
编程语言 时间：
2020-05-29 17:46:29
阅读次数：
69
上周需要改一个降维的模型，之前的人用的是sklearn里的t-SNE把数据从高维降到了二维。我大概看了下算法的原理，和isomap有点类似，和dbscan也有点类似。不过这里就不详细讲了，这里说最重要的perplexity参数应该怎么调。 百度了一些文章，都说5-50就行。人云亦云，一个地方抄另外一 ...
分类：
其他好文 时间：
2020-05-24 23:52:47
阅读次数：
108
1.池化的作用： ①降级图像感受野； ②降维； 2.使用场景 avgpool： 当feature map中的信息都应该有所贡献的时候用avgpool， 例如图像分割中常用global avgpool来获取全局上下文关系， 再例如224*224图像分类将最后的7*7map进行avgpool而不是max ...
分类：
其他好文 时间：
2020-05-18 13:57:54
阅读次数：
563
一、数据集介绍 该案例描述的是一段时间内客户的订单，预测用户下一次将会买那些订单。 数据集的信息如下： products.csv 商品信息 order_products__prior.csv 订单与商品关系信息 orders.csv 订单信息 aisles.csv 商品所属的具体类别 1、 prod ...
分类：
其他好文 时间：
2020-05-17 15:57:47
阅读次数：
55
