2020年4月27日
9、主成分分析 4/27
摘要： 一、用自己的话描述出其本身的含义： 1、特征选择 就比如有M个特征，在其中选择N个特征使得系统的特定指标达到最优的结果，这个从M→N的过程就是特征选择。 2、PCA 主成分分析，经常用于减少数据集的维数，同时保持数据集中的对方差贡献最大的特征，简单来说就是减少这份数据样本的某些属性，降低冗余，但是同 阅读全文
posted @ 2020-04-27 19:35 sj! 阅读(148) 评论(0) 推荐(0)
8、特征选择 4/27
摘要： 用过滤法对以下数据进行特征选择： [[0,2,0,3], [0,1,4,3], [0,1,1,3]] 要求： 1、Variance Threshold（threshold =1.0） 2、将结果截图 from sklearn.feature_selection import VarianceThre 阅读全文
posted @ 2020-04-27 09:57 sj! 阅读(123) 评论(0) 推荐(0)