Python数据分析学习笔记（6）数据规约实战--以主成分分析PCA为例
一、相关理论： 1、数据规约：产生更小且保持数据完整性的新数据集。意义在于降低无效、错误数据；降低存储成本；少量且具有代表性的数据大幅加快，主要分为以下两类： ①属性规约：属性合并或删除无关维，目标是寻找最小子集使子集概率分布尽可能与原来相同。 常用方法： （1）合并属性 将就属性合并为新属性 {A1,A2,A3,B1,B2,C}——{A,B,C} （2）逐步向前选择 从空集开始，逐个加入
相关文章
- 1. Python数据分析与机器学习-PCA主成分分析
- 2. 主成分分析（PCA）学习笔记
- 3. 主成分分析PCA学习笔记
- 4. 数据降维——主成分分析PCA
- 5. 数据降维-主成分分析（PCA）
- 6. 数据降维 | 主成分分析(PCA)
- 7. Python数据分析：特征降维-主成分分析（PCA)
- 8. Python数据分析学习笔记（5）数据变换实战
- 9. 机器学习数据降维方法：PCA主成分分析
- 10. python主成分分析（PCA）
- 更多相关文章...
- • SQLite 分离数据库 - SQLite教程
- • SVN分支 - SVN 教程
- • Tomcat学习笔记（史上最全tomcat学习笔记）
- • Flink 数据传输及反压详解
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
欢迎关注本站公众号,获取更多信息
