zoukankan      html  css  js  c++  java
  • 2020.04.27 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、用自己的话描述出其本身的含义:

    1、特征选择:

    因为在有限的样本数目下,用大量的特征来设计分类器计算开销太大而且分类性能差,所以就产生了特征选择。

    特征选择是指:从全部特征中选出对结果集有影响的特征值,比如,预测是否下雨,与云量多少,空气中二氧化碳的含量有关的特征等等,这些有关的特征就选取,像地上是否长草,这种无关因素就将其去除。通过特征选择,降低无关特征对模型的影响,提高了模型的准确性。

    2、PCA:

    PCA降维也称为主成分分析,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,简单来说就是去除或者减少这份数据样本的某些属性,降低冗余,但是同时也从这些现有的特征中重建新的特征,新的特征剔除了原有特征的冗余信息,因此使不同的样本数据更有区分度。通过PCA降维,减少了某些属性对模型的影响,提高了模型的准确性。

    二、并用自己的话阐述出两者的主要区别

    特征选择:从全部特征中选出对结果集有影响的特征值作为实际使用的数据集,用于训练模型。没有改变特征的形式。比如,原来的9维,后面处理完还是9维。

    PCA:降维本质上是从一个维度空间映射到另一个维度空间,特征的多少别没有减少,当然在映射的过程中特征值也会相应的变化,同时保持数据集中使方差贡献最大的特征。改变了原来特征的形式。比如,原来的9维,后面处理完还是可能是3维,4维等等。

  • 相关阅读:
    luogu P3327 [SDOI2015]约数个数和
    生成函数
    luogu P4318 完全平方数
    SP5971 LCMSUM
    luogu P2522 [HAOI2011]Problem b
    UOJ #82. 【UR #7】水题生成器
    CF1147F Zigzag Game
    CF1106F Lunar New Year and a Recursive Sequence
    1114: 逆序
    1113: 递归调用的次数统计(函数专题)
  • 原文地址:https://www.cnblogs.com/Azan1999/p/12789504.html
Copyright © 2011-2022 走看看