1. 缺失值比率 (missing values ratio)
方法的是基於包含太多缺失值的資料列包含有用資訊的可能性較少。因此，可以將資料列缺失值大於某個閾值的列去掉。閾值越高，降維方法更為積極，即降維越少。2. 低方差濾波 (low variance filter)
與上個方法相似，該方法假設資料列變化非常小的列包含的資訊量少。因此，所有的資料列方差小的列被移除。需要注意的一點是：方差與資料範圍相關的，因此在採用該方法前需要對資料做歸一化處理。3. 高相關濾波 (high correlation filter)
高相關濾波認為當兩列資料變化趨勢相似時，它們包含的資訊也顯示。這樣，使用相似列中的一列就可以滿足機器學習模型。對於數值列之間的相似性通過計算相關係數來表示，對於名詞類列的相關係數可以通過計算皮爾遜卡方值來表示。相關係數大於某個閾值的兩列只保留一列。同樣要注意的是：相關係數對範圍敏感，所以在計算之前也需要對資料進行歸一化處理。4. 隨機森林/組合樹 (random forests)
組合決策樹通常又被成為隨機森林，它在進行特徵選擇與構建有效的分類器時非常有用。一種常用的降維方法是對目標屬性產生許多巨大的樹，然後根據對每個屬性的統計結果找到資訊量最大的特徵子集。例如，我們能夠對乙個非常巨大的資料集生成非常層次非常淺的樹，每顆樹只訓練一小部分屬性。如果乙個屬性經常成為最佳**屬性，那麼它很有可能是需要保留的資訊特徵。對隨機森林資料屬性的統計評分會向我們揭示與其它屬性相比，哪個屬性才是**能力最好的屬性。1. 主成分分析 (pca)
主成分分析是乙個統計過程，該過程通過正交變換將原始的 n 維資料集變換到乙個新的被稱做主成分的資料集中。變換後的結果中，第乙個主成分具有最大的方差值，每個後續的成分在與前述主成分正交條件限制下與具有最大方差。降維時僅儲存前 m(m < n) 個主成分即可保持最大的資料資訊量。需要注意的是主成分變換對正交向量的尺度敏感。資料在變換前需要進行歸一化處理。同樣也需要注意的是，新的主成分並不是由實際系統產生的，因此在進行 pca 變換後會喪失資料的解釋性。如果說，資料的解釋能力對你的分析來說很重要，那麼 pca 對你來說可能就不適用了。2. 反向特徵消除 (backward feature elimination)
在該方法中，所有分類演算法先用 n 個特徵進行訓練。每次降維操作，採用 n-1 個特徵對分類器訓練 n 次，得到新的 n 個分類器。將新分類器中錯分率變化最小的分類器所用的 n-1 維特徵作為降維後的特徵集。不斷的對該過程進行迭代，即可得到降維後的結果。第k 次迭代過程中得到的是 n-k 維特徵分類器。通過選擇最大的錯誤容忍率，我們可以得到在選擇分類器上達到指定分類效能最小需要多少個特徵。3. 前向特徵構造 (forward feature construction)
前向特徵構建是反向特徵消除的反過程。在前向特徵過程中，我們從 1 個特徵開始，每次訓練新增乙個讓分類器效能提公升最大的特徵。前向特徵構造和反向特徵消除都十分耗時。它們通常用於輸入維數已經相對較低的資料集。最後的準確度與損失率也與選擇的資料分析模型有關。因此，最後的降維率與準確度的比較是在三種模型中進行，這三種模型分別是：決策樹，神經網路與樸素貝葉斯。通過執行優化迴圈，最佳迴圈終止意味著低緯度與高準確率取決於七大降維方法與最佳分類模型。最後的最佳模型的效能通過採用所有特徵進行訓練模型的基準準確度與 roc 曲線下的面積來進行比較。從上表中的對比可知，資料降維演算法不僅僅是能夠提高演算法執行的速度，同時也能過提高分析模型的效能。 在對資料集採用：缺失值降維、低方差濾波，高相關濾波或者隨機森林降維時，表中的 aoc 在測試資料集上有小幅度的增長。確實在大資料時代，資料越多越好似乎已經成為公理。我們再次解釋了當資料資料集寶航過多的資料雜訊時，演算法的效能會導致演算法的效能達不到預期。移除資訊量較少甚至無效資訊唯獨可能會幫助我們構建更具擴充套件性、通用性的資料模型。該資料模型在新資料集上的表現可能會更好。降維演算法：pca、mds、lda、lsomap、lle、t-sne、deep autoencoder networks
四大機器學習降維演算法：pca、lda、lle、laplacian eigenmaps
資料降維演算法總結
在原始的空間中，包含冗餘資訊以及噪音資訊，在實際應用中總會產生誤差，降低了準確率，我們希望減少冗餘資訊所造成的誤差，提公升識別精度。又或者希望通過降維演算法尋找內部的本質結構特徵。資料降維的目的 維度降低便於視覺化和計算，深層次的含義在於有效資訊的特徵提取以及無用資訊的拋棄。線性對映 pca以及ld...
資料降維之特徵選擇 Filter（過濾式）
特徵選擇就是單純地從提取到的所有特徵中選擇部分特徵作為訓練集特徵，特徵在選擇前和選擇後可以改變值 也不改變值，但是選擇後的特徵維數肯 定比選擇前小，畢竟我們只選擇了其中的一部分特徵。初始化variancethreshlod，指定閥值方差 呼叫fit transform from sklearn.fe...
資料的特徵選擇與降維
雜訊 部分特徵對 結果有負影響 特徵選擇就是單純地從提取到的所有特徵中選擇部分特徵作為訓練集特徵，特徵在選擇前和選擇後可以改變值 也可以不改變值，但是選擇後的特徵維數肯定比選擇前小，畢竟我們只選擇了其中的一部分特徵 輸出 2,0 1,4 1,1 1 from sklearn.feature sele...