热门
最新
红包
立Flag
投票
同城
我的
发布
《ML特征工程中通过主成分分析对数据集进行降维压缩精准特征分类》
接口：sklearn.decomposition.PCA(n_components = None)PCA降维最理想的效果是：即极大程度上的降低了数据集的维度，又保留了最多的数据集的message。传参：n_components 传参为小数时 表示保留百分之几的信息；传参为整数时表示减少到多少维度的数据集。2.合并表（判断相关性的特征）1.主成分分析PCA降维。3.找到相关性之间的关系。
——来自博客 https://blog.csdn.net/python8181/article/details/132901731
大家还对那些降维处理func感兴趣(多选)
0 人已经参与 已结束
LDA（线性判别分析）
0人
MDS（多维缩放）
0人
Isomap（等距映射）
0人
UMAP（均匀流形近似和投影）
0人
FastICA（独立成分分析）
0人
CSDN App 扫码分享
评论
点赞
- 复制链接
- 举报
