熱線電話：13121318867

登錄
首頁精彩閱讀用降維方法解讀數據分析
用降維方法解讀數據分析
2016-07-26
收藏

用降維方法解讀數據分析

隨著互聯網技術的不斷發展，數據呈現出規模大、維度高、結構復雜等特性，人們收集和獲得數據的能力也逐漸增強。如何充分利用海量數據、挖掘其中有價值的知識和內容以指導實際生產是科研人員、工程技術人員及各管理層領導所研究及關注的焦點。數據降維能夠加快算法執行的速度，同時也能提高分析模型的性能，降低數據的復雜度，緩解“信息豐富、知識貧乏”的現狀。


1. 主成分分析

主成分分析(PCA：Principal Component Analysis)是最常用的線性降維方法，它是通過正交變換將高維的數據映射到低維的空間中，并期望在所投影的維度上達到數據方差最大的效果。主成分分析在降維時只需要保留前m(m

2. 反向特征消除

在這個方法中，每進行一次降維操作，都采用n-1個特征對分類器訓練n次，得到新的 n 個分類器。將新分類器中錯分率變化最小的分類器所用的 n-1 維特征作為降維后的特征集。并且不斷地對該過程進行迭代，最終便可得到降維后的結果。

3.前向特征構造

前向特征構建與反向特征消除是互逆過程。前向特征從1個特征開始構造，每次進行訓練時，都會添加一個讓分類器性能幅度提升最大的特征。由于前向特征構造和反向特征消除操作起來較為耗時，因此它們通常用于輸入維數相對較低的數據集。

4. 缺失值比率

當一組數據存在太多缺失值導致有用的信息較少時，可以用到缺失值比率這一方法來進行降維，可以把數據列中缺失值大于某個閾值(可自行設定)的列去掉。閾值越高，降維方法則會更便捷，降維越少。

5. 高相關濾波

高相關濾波的原理是：當兩列數據的變化趨勢相近時，它們所包含的信息也相似。這樣一來，相似列中的其中一列便可滿足機器學習模型。數值列之間的相似性可以通過計算相關系數來表示，名詞列的相關系數可以通過計算皮爾遜卡方值來表示。相關系數大于某個閾值的兩列只保留一列。由于其相關系數對范圍敏感，所以同主成分分析類似，在計算之前也需要對數據進行歸一化處理。


CDA數據分析師考試相關入口一覽（建議收藏）：

? 想報名CDA認證考試，點擊>>>   “CDA報名” 了解CDA考試詳情；

? 想學習CDA考試教材，點擊>>> “CDA教材” 了解CDA考試詳情；

? 想加入CDA考試題庫，點擊>>> “CDA題庫” 了解CDA考試詳情；

? 想了解CDA考試含金量，點擊>>> “CDA含金量” 了解CDA考試詳情；

特征 降維 PCA 機器學習 數據分析

數據分析咨詢請掃描二維碼

若不方便掃碼，搜微信號：CDAshujufenxi

上一篇圖論在大數據分析中的作用！
下一篇CDA認證再升一檔！與國家共同推進大數據人才培養標準教育事業！
數據分析師考試動態
CDA報考指南
數據分析學習
數據分析師資訊
更多

CDA教育閉環

常見問題

關于我們

CDA數據分析師公眾號

  • CDA數據分析師公眾號

CDA考試中心小程序

  • CDA考試中心服務號

CDA數據分析師App下載

  • CDA數據分析師App下載
Copyright © 2015-2021, www.ruiqisteel.com All Rights Reserved. CDA數據分析師(北京國富如荷網絡科技有限公司) 版權所有 京ICP備11001960號-9 京公網安備 11010802034615號 經營許可證編號：京B2-20210330
聯系電話：13321103290 (微信同號)

OK
客服在線
立即咨詢
日韩人妻系列无码专区视频,先锋高清无码,无码免费视欧非,国精产品一区一区三区无码
客服在線
立即咨詢