scikit-learn 中文教程
scikit-learn 中文教程
  1. scikit-learn 安装
  2. scikit-learn 用户指南
    1. scikit-learn 1.有监督学习
      1. scikit-learn 线性模型
      2. scikit-learn 线性和二次判别分析
      3. scikit-learn 内核岭回归
      4. scikit-learn 支持向量机
      5. scikit-learn 随机梯度下降
      6. scikit-learn 最近邻
      7. scikit-learn 高斯过程
      8. scikit-learn 交叉分解
      9. scikit-learn 朴素贝叶斯
      10. scikit-learn 决策树
      11. scikit-learn 集成算法
      12. scikit-learn 多类和多标签算法
      13. scikit-learn 特征选择
      14. scikit-learn 半监督学习
      15. scikit-learn Isotonic回归
      16. scikit-learn 概率校准
      17. scikit-learn 神经网络模型(有监督)
    2. scikit-learn 2.无监督学习
      1. scikit-learn 高斯混合模型
      2. scikit-learn 流形学习
      3. scikit-learn 聚类
      4. scikit-learn 双聚类
      5. scikit-learn 分解成分中的信号（矩阵分解问题）
      6. scikit-learn 协方差估计
      7. scikit-learn 奇异值和异常值检测
      8. scikit-learn 密度估计
      9. scikit-learn 神经网络模型（无监督）
    3. scikit-learn 3.模型选择与评估
      1. scikit-learn 交叉验证：评估模型表现
      2. scikit-learn 调整估计器的超参数
      3. scikit-learn 指标和评分：量化预测的质量
      4. scikit-learn 模型持久性
      5. scikit-learn 验证曲线：绘制分数以评估模型
    4. scikit-learn 4.校验
      1. scikit-learn 部分依赖图
      2. scikit-learn 基于排列的特征重要性
    5. scikit-learn 5.可视化
      1. scikit-learn 提供的绘图工具
    6. scikit-learn 6.数据集转换
      1. scikit-learn 管道和复合估算器
      2. scikit-learn 特征提取
      3. scikit-learn 数据预处理
      4. scikit-learn 缺失值插补
      5. scikit-learn 无监督降维
      6. scikit-learn 随机投影
      7. scikit-learn 内核近似
      8. scikit-learn 成对度量，近似关系和内核
      9. scikit-learn 转换预测目标（y）
    7. scikit-learn 7.数据集加载实用程序
      1. scikit-learn 数据集加载工具
    8. scikit-learn 8.使用 scikit-learn 计算
      1. scikit-learn 大数据计算策略
      2. scikit-learn 计算性能
      3. scikit-learn 并行，资源管理和配置
阅读(591) 书签 赞(0) 我要纠错

scikit-learn 无监督降维

2023-02-20 14:38 更新

如果数据集的特征数量很多，则在进行有监督的步骤之前先通过无监督的步骤来减少特征数可能会很有用。许多 无监督学习方法都实现了一种可用于降低维度的transform方法。下面，我们讨论大量使用此模式的两个特定示例。

Pipelining

无监督的数据约简和有监督的估计器只需一步即可链接在一起。请参阅Pipelining：链接估算器。

6.5.1 PCA：主成分分析

decomposition.PCA寻找可以捕捉原始特征方差的特征组合。请参阅分解组件中的信号（矩阵分解问题）。

示例

6.5.2 随机投影

模块：random_projection提供了几种用于通过随机投影进行数据缩减的工具。请参阅文档的相关部分：随机投影。

例子

6.5.3 特征聚集

cluster.FeatureAgglomeration应用 层次聚类将行为相似的特征分组在一起。

例子

功能缩放

请注意，如果特征具有不同的缩放比例或统计属性，则cluster.FeatureAgglomeration可能无法捕获相关特征之间的关系。在这些设置中使用preprocessing.StandardScaler可能会有用。


以上内容是否对您有帮助：
← scikit-learn 缺失值插补
scikit-learn 随机投影 →
在线笔记
App下载
App下载

扫描二维码

下载编程狮App

公众号
微信公众号

编程狮公众号