知识卡片
无监督降维先定义保留结构
无监督学习不依赖已知目标标签,可把多列压成少列以便理解结构。降维会丢信息,应说明想保留的是方差、距离还是其他关系。股价案例用共同变化构造描述性指数,并未学习预测收益,更不能把无监督结构当投资信号。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第8章 PCA:构建股票市场指数 第8章 PCA:构建股票市场指数 · 查看原书依据
在没有任何已知答案指导的情况下,我们也经常想要发掘数据中的结构,这称为无监督学习。例如,我们也许想要进行数据降维,即把一个有很多列的表压缩成一个只有较少列的表。如果你需要处理很多的列,那么采取降维方法将会使得数据集更加容易理解。当你使用一列来代替多个列的时候,尽管明显损失了信息,
参考来源
- 位置:《机器学习:实用案例解析》第08章《第8章 PCA:构建股票市场指数》(来源项目book-sources;源文件:extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part3113.html,spine3219)
- 结论依据:原文的案例步骤与解释支持所述机制;R包、外部API与数据接口限定于本书出版时环境,不作为当前兼容性承诺。
- 原始内容:在没有任何已知答案指导的情况下,我们也经常想要发掘数据中的结构,这称为无监督学习。例如,我们也许想要进行数据降维,即把一个有很多列的表压缩成一个只有较少列的表。如果你需要处理很多的列,那么采取降维方法将会使得数据集更加容易理解。当你使用一列来代替多个列的时候,尽管明显损失了信息,