机器学习-降维算法培训课件.pptxVIP

机器学习降维算法讲解讲授人：XXX 时间：2017.3.31延迟符号什么是降维？ 降维就是这样一个过程，在降低数据集维度的同时，保证其中包含的主要信息是相似的（就是保证有效信息不要丢失）。降维技术最典型的应用就是在机器学习问题中，进行有效的特征选择，以此获得更好的分类、回归效果。延迟符号为什么要降维？在/base/2机器学习中，如果特征值(也可称之为维度，或feature)过多，会引发维度灾难。维度灾难最直接的后果就是过拟合现象，进而导致分类识别的错误，因此我们需要对所提的特征进行降维处理。图 基本模式识别过程降维后数据应该包含更多的信息？问题降维？降维后会损失多少信息？降维后对分类识别效果有多大影响？延迟符号降维的好处（1）进行数据压缩，减少数据存储所需空间以及计算所需时间。（2）消除数据间的冗余，以简化数据，提高计算效率。（3）去除噪声，提高模型性能。（4）改善数据的可理解性，提高学习算法的精度。（5）将数据维度减少到2维或者3维，?进行可视化。延迟符号特征选择 Feature Selection降维方法 选择有效的特征子集，即去掉不相关或冗余的特征。特征选择后留下的特征值的数值在选择前后没有变化。也就是说，特征选择后的特征是原来特征的一个子集。 01特征抽取 Feature Extraction*02 特征抽取是指改变原有的特征空间，并将其映射到一个新的特征空间。也就