※ 引述《smallworld (路人系草包)》之铭言： : 用dimension reduction去查就很多了 : 你学长的说法应该是有道理的 : 特徵太多务必要把那些相似 没有分辨能力的特徵排除 : 参考ugly duckling theorem 谢谢您的指教 我先去查一下这个理论的意思 如果有要把相似的特徵去除 PCA应该是一个方法，不过若是降维後分类效果没有提升的话， 做降维的贡献除了1.减少类似的特徵外，还有其它的好处吗? 例如，提升分类的准确率之类的效果 : 虽然此类的技巧很多 但是有些方法在统计上很难有直觉的解释 : 比如manifold dimension reduction之类 : 试过SVD了吗 : ※ 引述《question18 (晡)》之铭言： : : '请问除了PCA以外，还有没有别的方法是用来降低维度的较好方法呢? : : 目前是使用feature selection algorithm来选features。 : : 但是我目前实验的结果都是特徵删越多效果越差 : : 不过学长坚持特徵太多是没有意义的 --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 140.116.243.66