知识卡片
特征抽取与特征选择
特征选择保留原始特征子集,而特征抽取把数据转换或映射到新特征空间;特征抽取在尽量保持相关信息的前提下压缩数据,既提高计算效率,也缓解维度灾难——尤其当模型不适于正则化处理时。
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
- 通过降维压缩数据 · 查看原书依据
与特征选择类似,我们可以使用特征抽取来减少数据集中特征的数量。不过,当使用序列后向选择等特征选择算法时,能够保持数据的原始特征,而特征抽取算法则会将数据转换或者映射到一个新的特征空间。
参考来源
- 位置:《Python机器学习》第5章《5.1 无监督数据降维技术——主成分分析》(源文件:`../../book-sources/extracted/Python机器学习/_epub-src/OEBPS/Text/part0064.xhtml.xhtml)
- 结论依据:原文直接支撑上述要点。
- 原始内容:与特征选择类似,我们可以使用特征抽取来减少数据集中特征的数量。不过,当使用序列后向选择等特征选择算法时,能够保持数据的原始特征,而特征抽取算法则会将数据转换或者映射到一个新的特征空间。