David's Tweet

特征选择是模式识别和机器学习领域的重要研究课题之一。为了提高准确率, 人们往往最大限度地提取特征信息。然而, 过大的特征向量维数不仅导致计算成本的增加, 复杂运算也随之带来分类识别率的下降。因此, 通过合适的特征选择算法, 去除无关特征和冗余特征, 获得有助于分类的最优特征子集, 对提高识别性能和降低计算成本具有重要意义。特征选择主要有两个功能：减少特征数量、降维，使模型泛化能力更强，减少过拟合 增强对特征和特征值之间的理解参考资料：优快云《几种常用的特征选择方法》知乎《机器学习中，.

洋葱剥离法例如：给定了以下array（矩阵） a，要你立即读出它的shape大小，该怎么读？？？a=array([[[[ 1.,  2.]],[[ 3.,  4.]],[[ 5.,  6.]]],[[[ 7.,  8.]],[[ 9.,  10.]],[[ 11.,  12.]]],[[[ 13.,  14.]],[[ 15.,  16.]],[[ 17.,  18.]]]])教你们一个诀窍：（1...