2021年6月25日
机器学习sklearn（50）： 特征工程（十七） 特征降维（八）降维算法PCA和SVD（三）PCA与SVD
摘要： 3 PCA中的SVD 3.1 PCA中的SVD哪里来？ PCA(2).fit(X).components_ PCA(2).fit(X).components_.shape 3.2 重要参数svd_solver 与 random_state 3.3 重要属性components_ 1. 导入需要的库和 阅读全文
posted @ 2021-06-25 23:54 秋华 阅读(282) 评论(0) 推荐(0)
机器学习sklearn（49）： 特征工程（十六） 特征降维（七）降维算法PCA和SVD（二）PCA与SVD
摘要： 0 PCA与SVD 1 降维究竟是怎样实现？ class sklearn.decomposition.PCA (n_components=None, copy=True, whiten=False, svd_solver=’auto’, tol=0.0,iterated_power=’auto’, 阅读全文
posted @ 2021-06-25 23:36 秋华 阅读(367) 评论(0) 推荐(0)
机器学习sklearn（48）： 特征工程（十五） 特征降维（六）降维算法PCA和SVD（一）概述
摘要： 1 从什么叫“维度”说开来 我们不断提到一些语言，比如说：随机森林是通过随机抽取特征来建树，以避免高维计算；再比如说，sklearn中导入特征矩阵，必须是至少二维；上周我们讲解特征工程，还特地提到了，特征选择的目的是通过降维来降低算法的计算成本……这些语言都很正常地被我用来使用，直到有一天，一个小伙 阅读全文
posted @ 2021-06-25 23:11 秋华 阅读(269) 评论(0) 推荐(0)
机器学习sklearn（47）： 特征工程（十四） 特征选择（五）Embedded嵌入法/Wrapper包装法
摘要： 1 Embedded嵌入法 from sklearn.feature_selection import SelectFromModel from sklearn.ensemble import RandomForestClassifier as RFC RFC_ = RFC(n_estimators 阅读全文
posted @ 2021-06-25 19:55 秋华 阅读(571) 评论(0) 推荐(0)