1 pca： 更夠保持對方差貢獻最大的特徵。
1 最近重構性： 樣本到這個超平面的距離都足夠近
2 最大可分性： 樣本點到這個超平面的投影都能盡可能的分開
2 svd(奇異值分解）
矩陣分解方法：
左奇異向量用於壓縮行，右奇異向量壓縮列，壓縮方法均是取奇異值較大的左奇異向量和右奇異向量與原資料c相乘。
pca 是從特徵方向去降維，svd是從特徵和例項兩個方向降維。
3 lda 演算法 ：線性判別式，考慮label，降維後的資料點經可能容易地被區分。
基於線性模型進行特徵屬性合併的操作，有監督的降維，在sklearn 中的本質是svd分解的左奇異矩陣乘以原來的矩陣，達到降維例項的目的。
總結： pca 對映是將一種高維資料合併到低維的過程，樣本更具有更大的發散性，lda考慮了樣本的標註，使得不同類別之間的距離最大，可以用於降維和分類。
一般情況下，有類別資訊的，可以採用lda
沒有類別資訊的，可以用pca。
《特徵工程三部曲》之三 維度壓縮
當特徵選擇完成之後，就可以直接訓練模型了，但是可能由於特徵矩陣過大導致計算量大，訓練時間長的問題 因此，降低特徵矩陣維度，也是必不可少的，主成分分析就是最常用的降維方法，在減少資料集的維度的同時，保持對方差貢獻最大的特徵，在sklearn中，我們使用pca類進行主成分分析。我們人類能看到的資料是三維...
特徵工程三部曲 （1）特徵選擇
特徵質量的好壞，直接影響到最終的模型結果。構建特徵是乙個很大的工程，總體來講包括 特徵選擇 特徵表達 和 本篇文章，我們討論一下特徵選擇。特徵選擇指的是，在全部的特徵中，挑選出對最終的機器學習任務有用的特徵。整體來講，從特徵選擇的過程中有沒有模型的參與，可以將特徵選擇的方法分為 基於統計量的選擇和基...
簽到功能之三部曲
簽到功能之三部曲 簽到功能是絕大多數遊戲都具備的功能，今天討論的是簽到系統的三種表現型別以及組合方式，歡迎指正 一 從簽到功能的作用看其本質 簽到功能的作用 上線即可獲得一定獎勵 可看出本質是 來玩就白送 可看出目的是 通過資源投放增加玩家上線率與留存率 二 由其本質衍生至它的表現型別 雖然是贈送，...