(模式识别)特征降维问题
降维的必要性
- 多重共线性--预测变量之间相互关联。多重共线性会导致解空间的不稳定,从而可能导致结果的不连贯。
- 高维空间本身具有稀疏性。一维正态分布有68%的值落于正负标准差之间,而在十维空间只有0.02%。
- 过多的变量会妨碍查找规律的建立。
- 仅在变量层面上分析可能会忽略变量之间的潜在联系。
降维的目的:
- 减少预测变量的个数
- 确保这些变量是相互独立的
- 提供一个框架来解释结果
1.主成分分析算法(PCA)
主成分分析法是一种数据压缩的常用方法。主要是基于正交变换的思想,保留有显著贡献的特征向量。任取一个特征向量,如果它所对应的特征值在数据集上代表一个显著的方差值,则它称之为这个数据集的一个主成分。(其中,每一个特征向量和一个方差对应,而这个方差又由对应的特征值表示)
主成分分析算法存在的缺点:
- 主成分法是基于原始特征的一种线性变换。若原始数据中存在