原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
;问题;目录;背景;背景;背景;?;目录;特征选择;特征选择;特征选择;目录;子集搜索;子集评估;搜索一个特征子集，我们希望 :
样本类内的距离尽可能小
样本类间距离尽可能大
;基于距离的判据;基于概率密度的判据;基于概率密度的判据;19;基于概率密度的判据;基于概率密度的判据;22;23;24;特征选择;特征选择;过滤式;过滤式;Relief-F[Kononenko, 1994] ;包裹式;包裹式;包裹式;嵌入式;嵌入式;总结;目录;特征提取;特征提取的方法;39;PCA;41;PCA;PCA;PCA;LDA（线性判别分析）
LDA是Fisher线性判别分析的一般形式，通过特征的线性组合实现两类或者多类数据的分离。LDA在统计、模式识别和机器学习中具有广泛应用;46;线性判别分析;48;线性判别分析;Linear Discriminant Analysis;;?;53;线性判别分析;为什么维度上限是C-1？;特点：
监督的方法，可提取出具有判别性的特征
LDA最多只能将特征降低到C-1维
LDA方??需要数据服从高斯分布
容易出现过拟合 ;57;Kernel-PCA;59;Kernel-PCA;Kernel-PCA;Kernel-PCA;Isomap;64;65;优点：
对于流形分布的数据，在低维空间中保留了数据 之间的本质距离，全局结构得以保持
缺点：
降维过程没有考虑类别区分性保持
现实的测地距离较难计算;LLE;LLE;优点:
是一种非线性映射方法
可以保留局部本质邻域结构
局限:
该方法是一种局部的方法
对噪声较敏感;目录;讨论;讨论;总结;Resources;Home work;;77
文档评论（0）