特征选择与数据降维
本文探讨了特征选择和数据降维两种不同的数据预处理方法。特征选择是从原有特征中挑选出一部分有用的特征，而数据降维则是通过数学转换得到一组新的特征。两者都能减少数据的维度，但实现方式不同。
特征选择：是从n个特征中选择d(d<n)个出来，而其它的n-d个特征舍弃。所以新的特征只是原来特征的一个子集，没有被舍弃的d个特征没有发生任何变化。它的缺点是会造成一些信息的丢失。
数据降维：它的思路是将原始高维特征空间里的点向一个低维空间投影，新的空间维度低于原特征空间，所以维数减少了。在这个过程中，特征发生了根本性的变化，原始的特征消失了，新的特征保持了原特征的一些性质。PCA和LDA是常见的降维方法。
参考文献
1.https://www.zhihu.com/question/29262795?sort=created
扫一扫
297
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
