【PaddlePaddle】【李宏毅机器学习特训营】某一选择题知识点试析

很荣幸这次能参加由飞桨举办的【李宏毅机器学习特训营】 为了增进自己对知识点的理解，下面将我所遇到的一道选择题尝试知识点剖析。

下列方法中，可以用于特征降维的方法包括？
A. 主成分分析 PCA 
B. 线性判别分析 LDA   
C. AutoEncoder 
D. 矩阵奇异值分解 SVD 
E. 最小二乘法 LeastSquares

正确答案：ABCD

解析：

1.为什么特征降维？
在实际应用中，高维数据增加特征到一定值后会削弱学习的效果，称其为“维度灾难”。
2.特征降维有效的原因

• 特征向量往往是包含冗余信息的
• 有些特征可能与分类问题无关
• 特征之间存在着很强的相关性

3.特征降维的思路方法

• 特征组合：把几个特征组合在一起，形成新的特征
• 特征选择：选择现有特征集的一个子集

其中A、B选项属于“特征组合”。（且一般情况下，有类别信息时，可以采用LDA；无类别信息，不知道样本属于哪个类，用PCA。）

其中C、D选项则是属于“特征选择”。
具体内容可参看李宏毅老师深度学习视频和李航老师《统计学习方法》
最后附上飞桨视频课程地址：https://aistudio.baidu.com/aistudio/course/introduce/1978