机器学习-特征抽取(主成分分析法/因子分析法/非负矩阵因子分解NMF算法)

1.特征抽取： 特征抽取是机器学习中另外一种十分有用的方法，它与特性选择不一样，特征抽取是对数据的特征进行归纳和总结，而特性选择则主要是对数据中的不一样特征进行比较和选取。 特征抽取是机器学习技术中的一个经常使用的方法，它是一个属性降维的过程，特征抽取其实是变换属性。经变换了的属性，或特性，是原来属性集的线性合并。特征抽取会致使更小更精的一组属性。用特征抽取创建的模型多是质量更好的，由于数据被更少

>>阅读原文<<