机器学习：特征提取与特征选择意义及目的

•特征提取与选择的基本任务：

是研究如何从众多特征中求出那些对分类识别最有效的特征，从而实现特征空间维数的压缩,即获取一组“少而精”且分类错误概率小的分类待征.

目的：

使在最小维数特征空间中异类模式点相距较远（类间距离较大），而同类模式点相距较近（类内距离较小）。

要求：

(1)具有很大的识别信息量。即所提供的特征应具有很好

的可分性，使分类器容易判别。

(2)具有可靠性。对那些模棱两可，似是而非不易判别的

特征应该去掉。

(3)具有尽可能强的独立性。重复的、相关性强的特征只

选一个，因为强的相关性并没有增加更多的分类信息，不

能要。

(4)数量尽可能少，同时损失的信息尽量小。

机器学习：特征提取与特征选择意义及目的相关推荐

R语言特征提取与特征选择
"数据决定了机器学习的上限,而算法只是尽可能逼近这个上限",这里的数据指的就是经过特征工程得到的数据.特征工程指的是把原始数据转变为模型的训练数据的过程,它的目的就是获取更好的训练 ...
时间序列工具库学习（1） tsfresh特征提取、特征选择
1. 更新清单: 2022.01.07:初次更新文章 2. 了解.安装tsfresh tsfresh 可以自动计算大量的时间序列特性,包含许多特征提取方法和强大的特征选择算法.tsfresh 用于从时 ...
响应式网页设计_响应式网页设计的意义和目的
响应式网页设计 The following is an exclusive extract from our new book, Jump Start Responsive Web Design, 2 ...
特征提取和特征选择方法
一.特征提取和特征选择 1.特征选择和特征选择的区别 =特征选择和降维(特征提取)有些许的相似点=,这两者达到的效果是一样的,就是试图去减少特征数据集中的属性的数目:但是两者所采用的方式方法却不同: ...
两个特征是独立好还是正相关好_长文之详解机器学习的数据特征选择问题
在许多机器学习相关的书里,很难找到关于特征选择的内容,因为特征选择要解决的问题往往被视为机器学习的一个子模块,一般不会单独拿出来讨论. 但特征选择是一个重要的数据预处理过程,特征选择主要有两个功能: ...
机器学习项目模板：ML项目的6个基本步骤
来源 | DeepHub IMBA 每个机器学习项目都有自己独特的形式.对于每个项目,都可以遵循一组预定义的步骤.尽管没有严格的流程,但是可以提出一个通用模板. 准备问题不仅是机器学习,任何项目的第 ...
机器学习5种特征选择的方法！
我们知道模型的性能会随着使用特征数量的增加而增加.但是,当超过峰值时,模型性能将会下降.这就是为什么我们只需要选择能够有效预测的特征的原因. 特征选择类似于降维技术,其目的是减少特征的数量,但是从根本 ...
一套完整的基于随机森林的机器学习流程（特征选择、交叉验证、模型评估））...
机器学习实操(以随机森林为例) 为了展示随机森林的操作,我们用一套早期的前列腺癌和癌旁基因表达芯片数据集,包含102个样品(50个正常,52个肿瘤),2个分组和9021个变量 (基因).(https: ...
机器学习：样本去中心化目的
作者:Spark 链接:https://www.zhihu.com/question/37069477/answer/132387124 来源:知乎著作权归作者所有.商业转载请联系作者获得授权,非商 ...

机器学习：特征提取与特征选择意义及目的

机器学习：特征提取与特征选择意义及目的相关推荐

最新文章

热门文章