新聞中心
說(shuō)明

公司專注于為企業(yè)提供做網(wǎng)站、成都網(wǎng)站設(shè)計(jì)、微信公眾號(hào)開發(fā)、商城建設(shè),微信小程序,軟件按需制作等一站式互聯(lián)網(wǎng)企業(yè)服務(wù)。憑借多年豐富的經(jīng)驗(yàn),我們會(huì)仔細(xì)了解各客戶的需求而做出多方面的分析、設(shè)計(jì)、整合,為客戶設(shè)計(jì)出具風(fēng)格及創(chuàng)意性的商業(yè)解決方案,創(chuàng)新互聯(lián)更提供一系列網(wǎng)站制作和網(wǎng)站推廣的服務(wù)。
1、PCA是最經(jīng)典、最實(shí)用的降維技術(shù),尤其在輔助圖形識(shí)別中表現(xiàn)突出。
2、用來(lái)減少數(shù)據(jù)集的維度,同時(shí)保持?jǐn)?shù)據(jù)集中對(duì)方差貢獻(xiàn)特征。
保持低階主成分,而忽略高階成分,低階成分往往能保留數(shù)據(jù)的最重要部分。
實(shí)例
from sklearn.feature_selection import VarianceThreshold # 特征選擇 VarianceThreshold刪除低方差的特征(刪除差別不大的特征) var = VarianceThreshold(threshold=1.0) # 將方差小于等于1.0的特征刪除。 默認(rèn)threshold=0.0 data = var.fit_transform([[0, 2, 0, 3], [0, 1, 4, 3], [0, 1, 1, 3]]) print(data) '''[[0] [4] [1]] '''
以上就是Python特征降維的理解,希望對(duì)大家有所幫助。更多Python學(xué)習(xí)指路:創(chuàng)新互聯(lián)python教程
本文教程操作環(huán)境:windows7系統(tǒng)、Python 3.9.1,DELL G3電腦。
網(wǎng)站題目:創(chuàng)新互聯(lián)Python教程:Python特征降維如何理解
文章位置:http://www.5511xx.com/article/cccgedh.html


咨詢
建站咨詢
