【機器學習】降維方法

降維的作用: 降低時間複雜度和空間復 節省了提取不必要特徵的開銷 去掉數據集中夾雜的噪 較簡單的模型在小數據集上有更強的魯棒性 當數據能有較少的特徵進行解釋,我們可以更好 的解釋數據,使得我們可以提取知識。 實現數據可視化   線性降維方法: 主成分分析(PCA)、線性判別分析(LDA)、奇異值分解(SVD)、因子分析、獨立成分分析 非線性降維方法: 局部線性嵌入(LLE)、拉普拉斯特徵映射(La
相關文章
相關標籤/搜索