※ 引述《smallworld (路人系草包)》之銘言： : 用dimension reduction去查就很多了 : 你學長的說法應該是有道理的 : 特徵太多務必要把那些相似 沒有分辨能力的特徵排除 : 參考ugly duckling theorem 謝謝您的指教 我先去查一下這個理論的意思 如果有要把相似的特徵去除 PCA應該是一個方法，不過若是降維後分類效果沒有提升的話， 做降維的貢獻除了1.減少類似的特徵外，還有其它的好處嗎? 例如，提升分類的準確率之類的效果 : 雖然此類的技巧很多 但是有些方法在統計上很難有直覺的解釋 : 比如manifold dimension reduction之類 : 試過SVD了嗎 : ※ 引述《question18 (晡)》之銘言： : : '請問除了PCA以外，還有沒有別的方法是用來降低維度的較好方法呢? : : 目前是使用feature selection algorithm來選features。 : : 但是我目前實驗的結果都是特徵刪越多效果越差 : : 不過學長堅持特徵太多是沒有意義的 --

※ 發信站: 批踢踢實業坊(ptt.cc) ◆ From: 140.116.243.66