算法概述#

什么是降维: 高维空间映射到低维空间

概念: 近似等价

降维方法分类

PCA 主成分:保留的部分

找核心部分来简化

应用:

直观的例子

降维后的可解释性差于原数据.

如何衡量特征的重要性. 方差越大表明特征相关性越低,越重要.

主成分分析:

基本原理

算法流程#

如何确定维度N->K 的K. 课本82页

1. 求方差贡献率
2. 求累计方差贡献率
3. 跟阈值比较

算法步骤#

PCA的步骤 求出协方差矩阵的特征值及对应的特征向量r

协方差

优点: 缺点:

算法实例#

按照流程编写的代码,这个代码很重要 缺少求特征值和特征向量的代码

算法应用#

算法改进与优化#

补充#

判断题第二道题 特征筛选:年龄和出生日期删去其一 特征提取:特征融合