我是靠谱客的博主 现代自行车，最近开发中收集的这篇文章主要介绍特征挖掘（一）：问题与方法总结一、维数灾难（Curse of dimensionality）二、特征选择，觉得挺不错的，现在分享给大家，希望可以做个参考。
概述
一、维数灾难（Curse of dimensionality）
维数灾难就是说当样本的维数增加时，若要保持与低维情形下相同的样本密度，所需要的样本数指数型增长。从下面的图可以直观体会一下。当维度很大样本数量少时，无法通过它们学习到有价值的知识；所以需要降维，一方面在损失的信息量可以接受的情况下获得数据的低维表示，增加样本的密度；另一方面也可以达到去噪的目的。
有两种办法试图克服这个问题：首先是特征提取（Feature extraction），通过组合现有特征来达到降维的目的；然后是特征选择，从现有的特征里选择较小的一些来达到降维的目的。下面开始介绍特征提取。
二、特征选择
三大类方法
根据特征选择的形式，可分为三大类：
- Filter(过滤法)：按照
发散性或相关性对各个特征进行评分，设定阈值或者待选择特征的个数进行筛选 - Wrapper(包装法)：根据目标函数（往往是预测效果评分），每次选择若干特征，或者排除若干特征
- Embedded(嵌入法)：先使用某些机器学习的模型进行训练，得到各个特征的权值系数，根据系数从大到小选择特征（类似于Filter，只不过系数是通过训练得来的）
最后
以上就是现代自行车为你收集整理的特征挖掘（一）：问题与方法总结一、维数灾难（Curse of dimensionality）二、特征选择的全部内容，希望文章能够帮你解决特征挖掘（一）：问题与方法总结一、维数灾难（Curse of dimensionality）二、特征选择所遇到的程序开发问题。
如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。
本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。
发表评论 取消回复