1.6 KiB
1.6 KiB
| title | localeTitle |
|---|---|
| Dimension Reduction | 尺寸减小 |
尺寸减小
处理大量维度对于机器学习算法来说可能是痛苦的。高维度会增加计算复杂性，增加过度拟合的风险（因为您的算法具有更多自由度），并且数据的稀疏性将增加。因此，降维将将数据投影到维度较小的空间中以限制这些现象。
为什么降维有用？
-
投影到两个维度通常用于促进高维数据集的可视化。
-
当维度可以给出有意义的解释时，沿着该维度的投影可以用于解释某些行为。
-
在监督学习案例中，降维可用于减少特征的维度，可能导致学习算法的更好性能。