机器学习方法及应用（第二版）第467章课后答案.docx

第4章

在实际运用中降维算法应该如何确定最终的特征维度？

答：在实际应用中，确定降维后的最终特征维度通常不是靠直觉，而是通过数据驱动的定量分析与下游任务的反馈共同决定的。

一、解释方差占比：这是处理主成分分析时最常用的指标。它衡量了每一个主成分所保留的原始数据信息的比例。累计贡献率法：计算前k个主成分的累计解释方差占比。通常会选择使累计贡献率达到80%、90%或95%的最小k值。手肘图：将各主成分的特征值按从大到小排列并绘制折线图。寻找图形中的肘部，即特征值下降速度明显放缓的点，该点之前的维度通常被认为是主要的特征。

二、内部结构保持度：对于非线性降维，更关注数据流形结构的保持。最大似然估计：