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