zoukankan      html  css  js  c++  java
  • 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

     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特征,以达到用更少主成分表示数据的目的。主成分分析在数学上的处理方法就是将原来的变量进行线性组合,通过线性组合的方法将多个特征综合为少数特征,且综合后的特征相对独立,又可以表示原始特征的大部分信息。

    简单来说说,主成分分析能抓住高维数据的最主要特征。

    二、并用自己的话阐述出两者的主要区别

    PCA主成分分析有数据选择的倾向,会选择高维数据的主成分进行降维;特征选择能够自定义选取数据的特征,进行更精确的操作。

  • 相关阅读:
    jmap之使用说明与JVM配置
    Linux之tomcat日志管理
    服务器连接数与资源监控
    Git命令之资源
    状态机
    分布式之消息系统架构
    Memcache之内存分配机制
    LRU算法
    Linux(Ubuntu)之设定开机自启动
    mysql 查询 优化
  • 原文地址:https://www.cnblogs.com/zzj420133722/p/12806668.html
Copyright © 2011-2022 走看看