降維在機(jī)器學(xué)習(xí)里面再正常不過(guò)了，這里總結(jié)了降維的一些方法，主要參考了陳利人老師的“數(shù)據(jù)分析領(lǐng)域中最為人稱道的七種降維方法”（在微信公眾號(hào)看到的，無(wú)法提供鏈接，有興趣的可以搜索看原文）。不過(guò)這篇文章除了PCA，其他的降維方法多多少少有點(diǎn)特征工程的意思了。

缺失值比率 (Missing Values Ratio)

該方法的是基于包含太多缺失值的數(shù)據(jù)列包含有用信息的可能性較少。因此，可以將數(shù)據(jù)列缺失值大于某個(gè)閾值的列去掉。閾值越高，降維方法更為積極，即降維越少。

低方差濾波

與上個(gè)方法相似，該方法假設(shè)數(shù)據(jù)列變化非常小的列包含的信息量少。因此，所有的數(shù)據(jù)列方差小的列被移除。需要注意的一點(diǎn)是：方差與數(shù)據(jù)范圍相關(guān)的，因此在采用該方法前需要對(duì)數(shù)據(jù)做歸一化處理。

高相關(guān)濾波

高相關(guān)濾波認(rèn)為當(dāng)兩列數(shù)據(jù)變化趨勢(shì)相似時(shí)，它們包含的信息也顯示。這樣，使用相似列中的一列就可以滿足機(jī)器學(xué)習(xí)模型。對(duì)于數(shù)值列之間的相似性通過(guò)計(jì)算相關(guān)系數(shù)來(lái)表示，對(duì)于名詞類列的相關(guān)系數(shù)可以通過(guò)計(jì)算皮爾遜卡方值來(lái)表示。相關(guān)系數(shù)大于某個(gè)閾值的兩列只保留一列。同樣要注意的是：相關(guān)系數(shù)對(duì)范圍敏感，所以在計(jì)算之前也需要對(duì)數(shù)據(jù)進(jìn)行歸一化處理。

隨機(jī)森林/組合樹(shù)

組合決策樹(shù)通常又被成為隨機(jī)森林，它在進(jìn)行特征選擇與構(gòu)建有效的分類器時(shí)非常有用。一種常用的降維方法是對(duì)目標(biāo)屬性產(chǎn)生許多巨大的樹(shù)，然后根據(jù)對(duì)每個(gè)屬性的統(tǒng)計(jì)結(jié)果找到信息量最大的特征子集。例如，我們能夠?qū)σ粋€(gè)非常巨大的數(shù)據(jù)集生成非常層次非常淺的樹(shù)，每顆樹(shù)只訓(xùn)練一小部分屬性。如果一個(gè)屬性經(jīng)常成為最佳分裂屬性，那么它很有可能是需要保留的信息特征。對(duì)隨機(jī)森林?jǐn)?shù)據(jù)屬性的統(tǒng)計(jì)評(píng)分會(huì)向我們揭示與其它屬性相比，哪個(gè)屬性才是預(yù)測(cè)能力最好的屬性。

主成分分析 (PCA)

主成分分析是一個(gè)統(tǒng)計(jì)過(guò)程，該過(guò)程通過(guò)正交變換將原始的 n 維數(shù)據(jù)集變換到一個(gè)新的被稱做主成分的數(shù)據(jù)集中。變換后的結(jié)果中，第一個(gè)主成分具有最大的方差值，每個(gè)后續(xù)的成分在與前述主成分正交條件限制下與具有最大方差。降維時(shí)僅保存前 m(m < n) 個(gè)主成分即可保持最大的數(shù)據(jù)信息量。需要注意的是主成分變換對(duì)正交向量的尺度敏感。數(shù)據(jù)在變換前需要進(jìn)行歸一化處理。同樣也需要注意的是，新的主成分并不是由實(shí)際系統(tǒng)產(chǎn)生的，因此在進(jìn)行 PCA 變換后會(huì)喪失數(shù)據(jù)的解釋性。如果說(shuō)，數(shù)據(jù)的解釋能力對(duì)你的分析來(lái)說(shuō)很重要，那么 PCA 對(duì)你來(lái)說(shuō)可能就不適用了。

反向特征消除

在該方法中，所有分類算法先用 n 個(gè)特征進(jìn)行訓(xùn)練。每次降維操作，采用 n-1 個(gè)特征對(duì)分類器訓(xùn)練 n 次，得到新的 n 個(gè)分類器。將新分類器中錯(cuò)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。不斷的對(duì)該過(guò)程進(jìn)行迭代，即可得到降維后的結(jié)果。第k 次迭代過(guò)程中得到的是 n-k 維特征分類器。通過(guò)選擇最大的錯(cuò)誤容忍率，我們可以得到在選擇分類器上達(dá)到指定分類性能最小需要多少個(gè)特征。

前向特征構(gòu)造

前向特征構(gòu)建是反向特征消除的反過(guò)程。在前向特征過(guò)程中，我們從 1 個(gè)特征開(kāi)始，每次訓(xùn)練添加一個(gè)讓分類器性能提升最大的特征。前向特征構(gòu)造和反向特征消除都十分耗時(shí)。它們通常用于輸入維數(shù)已經(jīng)相對(duì)較低的數(shù)據(jù)集。

除了本博客中提到的其中，還包括：隨機(jī)投影(Random Projections)、非負(fù)矩陣分解(N0n-negative Matrix Factorization),自動(dòng)編碼(Auto-encoders),卡方檢測(cè)與信息增益(Chi-square and information gain)， 多維標(biāo)定(Multidimensional Scaling), 相關(guān)性分析(Coorespondence Analysis), 因子分析(Factor Analysis)、聚類(Clustering)以及貝葉斯模型(Bayesian Models)。

轉(zhuǎn)載于:https://www.cnblogs.com/-Sai-/p/6868534.html

總結(jié)

以上是生活随笔為你收集整理的机器学习降维方法总结的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。