笔记抄写4——sklearn其他

本文介绍了特征选择的方法,包括方差阈值过滤、单因素统计检验等,并探讨了sklearn.preprocessing模块中的数据预处理技术,如归一化数据及拆分训练集和测试集。此外还涉及了随机梯度下降、线性判别分析等内容。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

一、Feature Selection

1.过滤掉方差太小的变量

sklearn.feature_selection.VarianceThreshold

2. 用单因素统计检验

sklearn.feature_selection.f_classif 方差分析

sklearn.feature_selection.chi2 卡方检验

3. Select Fpr、Fdr、Fwe

4. 递归特征淘汰

先用所有feature建模,模型给出每个feature的权重,剔除最差的feature,重新建模,看效果,如此循环。

sklearn.feature_selection.RFECV

二、sklearn.preprocessing

归一化数据、拆分训练集合测试集等

三、SGD随机梯度下降

SGDClassifier、SGDRegression适用于大数据量

随机梯度下降:每次迭代是纳入一个新的样本点,更新参数使这个样本的残差最小即可,只需迭代n-sample次,但会走弯路,结果也只是逼近极小值。

批梯度下降:按学习速率确定的步伐大小每次更新参数,解损失函数的极小值时,每次迭代要把所有数据都参与计算,不适用于大数据量。

四、LDA线性判别分析

有监督的分类、降维

原理:向低维度投影后,类内方差最小,类间方差最大



评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值