数据降维
针对数据降维指的是特征值维度的下降
数据的降维有两种方式:
特征选择与主成分分析
特征选择
特征选择的原因:
- 冗余:部分特征的相关度高,容易消耗计算性能
- 噪声:部分特征对预测结果有影响
特征选择的定义:
从提取到的所有特征中选择部分特征作为训练集特征,特征在选择前和选择后可以改变值或者不改变值。主要用到的方法有:
Filter(过滤式):VarianceThreshold
从方差大小考虑所有样本这个特征的情况。
通过过滤的方式对所有低于指定方差的特征
Embedded(嵌入式):正则化、决策树
Warpper(包裹式)
主成分分析(PCA)
PCA是一种分析,简化数据集的技术
目的是数据维度压缩,尽可能的降低原数据的维数,损失少量信息。
作用:可以削减回归分析或者聚类分析中的特征数量。
高纬度数据的特点:多个维度数据强相关,可以通过PCA指定信息的损耗进行主成分分析。