99999久久久久久亚洲,欧美人与禽猛交狂配,高清日韩av在线影院,一个人在线高清免费观看,啦啦啦在线视频免费观看www

熱線電話:13121318867

登錄
首頁精彩閱讀數(shù)據(jù)分析領(lǐng)域中最為人稱道的七種降維方法(2)
數(shù)據(jù)分析領(lǐng)域中最為人稱道的七種降維方法(2)
2015-10-08
收藏

數(shù)據(jù)分析領(lǐng)域中最為人稱道的七種降維方法(2)



同樣也需要注意的是,新的主成分并不是由實(shí)際系統(tǒng)產(chǎn)生的,因此在進(jìn)行 PCA 變換后會(huì)喪失數(shù)據(jù)的解釋性。如果說,數(shù)據(jù)的解釋能力對(duì)你的分析來說很重要,那么 PCA 對(duì)你來說可能就不適用了。算法示意圖如下:

反向特征消除 (Backward Feature Elimination)
在該方法中,所有分類算法先用 n 個(gè)特征進(jìn)行訓(xùn)練。每次降維操作,采用 n-1 個(gè)特征對(duì)分類器訓(xùn)練 n 次,得到新的 n 個(gè)分類器。將新分類器中錯(cuò)分率變化最小的分類器所用的 n-1 維特征作為降維后的特征集。不斷的對(duì)該過程進(jìn)行迭代,即可得到降維后的結(jié)果。第k 次迭代過程中得到的是 n-k 維特征分類器。通過選擇最大的錯(cuò)誤容忍率,我們可以得到在選擇分類器上達(dá)到指定分類性能最小需要多少個(gè)特征。算法示意圖如下:
前向特征構(gòu)造 (Forward Feature Construction)
前向特征構(gòu)建是反向特征消除的反過程。在前向特征過程中,我們從 1 個(gè)特征開始,每次訓(xùn)練添加一個(gè)讓分類器性能提升最大的特征。前向特征構(gòu)造和反向特征消除都十分耗時(shí)。它們通常用于輸入維數(shù)已經(jīng)相對(duì)較低的數(shù)據(jù)集。算法示意圖如下:
我們選擇 2009 KDD chanllenge 的削數(shù)據(jù)集來對(duì)這些降維技術(shù)在降維率、準(zhǔn)確度損失率以及計(jì)算速度方面進(jìn)行比較。當(dāng)然,最后的準(zhǔn)確度與損失率也與選擇的數(shù)據(jù)分析模型有關(guān)。因此,最后的降維率與準(zhǔn)確度的比較是在三種模型中進(jìn)行,這三種模型分別是:決策樹,神經(jīng)網(wǎng)絡(luò)樸素貝葉斯。


通過運(yùn)行優(yōu)化循環(huán),最佳循環(huán)終止意味著低緯度與高準(zhǔn)確率取決于七大降維方法與最佳分類模型。最后的最佳模型的性能通過采用所有特征進(jìn)行訓(xùn)練模型的基準(zhǔn)準(zhǔn)確度與 ROC 曲線下的面積來進(jìn)行比較。下面是對(duì)所有比較結(jié)果的對(duì)比。
從上表中的對(duì)比可知,數(shù)據(jù)降維算法不僅僅是能夠提高算法執(zhí)行的速度,同時(shí)也能過提高分析模型的性能。 在對(duì)數(shù)據(jù)集采用:缺失值降維、低方差濾波,高相關(guān)濾波或者隨機(jī)森林降維時(shí),表中的 AoC 在測(cè)試數(shù)據(jù)集上有小幅度的增長(zhǎng)。

確實(shí)在大數(shù)據(jù)時(shí)代,數(shù)據(jù)越多越好似乎已經(jīng)成為公理。我們?cè)俅谓忉屃水?dāng)數(shù)據(jù)數(shù)據(jù)集寶航過多的數(shù)據(jù)噪聲時(shí),算法的性能會(huì)導(dǎo)致算法的性能達(dá)不到預(yù)期。移除信息量較少甚至無效信息唯獨(dú)可能會(huì)幫助我們構(gòu)建更具擴(kuò)展性、通用性的數(shù)據(jù)模型。該數(shù)據(jù)模型在新數(shù)據(jù)集上的表現(xiàn)可能會(huì)更好。


最近,我們咨詢了 LinkedIn 的一個(gè)數(shù)據(jù)分析小組在數(shù)據(jù)分析中最為常用的數(shù)據(jù)降維方法,除了本博客中提到的其中,還包括:隨機(jī)投影(Random Projections)、非負(fù)矩陣分解(N0n-negative Matrix Factorization),自動(dòng)編碼(Auto-encoders),卡方檢測(cè)與信息增益(Chi-square and information gain), 多維標(biāo)定(Multidimensional Scaling), 相關(guān)性分析(Coorespondence Analysis), 因子分析(Factor Analysis)、聚類(Clustering)以及貝葉斯模型(Bayesian Models)。


數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼

若不方便掃碼,搜微信號(hào):CDAshujufenxi

數(shù)據(jù)分析師資訊
更多

OK
客服在線
立即咨詢
客服在線
立即咨詢
') } function initGt() { var handler = function (captchaObj) { captchaObj.appendTo('#captcha'); captchaObj.onReady(function () { $("#wait").hide(); }).onSuccess(function(){ $('.getcheckcode').removeClass('dis'); $('.getcheckcode').trigger('click'); }); window.captchaObj = captchaObj; }; $('#captcha').show(); $.ajax({ url: "/login/gtstart?t=" + (new Date()).getTime(), // 加隨機(jī)數(shù)防止緩存 type: "get", dataType: "json", success: function (data) { $('#text').hide(); $('#wait').show(); // 調(diào)用 initGeetest 進(jìn)行初始化 // 參數(shù)1:配置參數(shù) // 參數(shù)2:回調(diào),回調(diào)的第一個(gè)參數(shù)驗(yàn)證碼對(duì)象,之后可以使用它調(diào)用相應(yīng)的接口 initGeetest({ // 以下 4 個(gè)配置參數(shù)為必須,不能缺少 gt: data.gt, challenge: data.challenge, offline: !data.success, // 表示用戶后臺(tái)檢測(cè)極驗(yàn)服務(wù)器是否宕機(jī) new_captcha: data.new_captcha, // 用于宕機(jī)時(shí)表示是新驗(yàn)證碼的宕機(jī) product: "float", // 產(chǎn)品形式,包括:float,popup width: "280px", https: true // 更多配置參數(shù)說明請(qǐng)參見:http://docs.geetest.com/install/client/web-front/ }, handler); } }); } function codeCutdown() { if(_wait == 0){ //倒計(jì)時(shí)完成 $(".getcheckcode").removeClass('dis').html("重新獲取"); }else{ $(".getcheckcode").addClass('dis').html("重新獲取("+_wait+"s)"); _wait--; setTimeout(function () { codeCutdown(); },1000); } } function inputValidate(ele,telInput) { var oInput = ele; var inputVal = oInput.val(); var oType = ele.attr('data-type'); var oEtag = $('#etag').val(); var oErr = oInput.closest('.form_box').next('.err_txt'); var empTxt = '請(qǐng)輸入'+oInput.attr('placeholder')+'!'; var errTxt = '請(qǐng)輸入正確的'+oInput.attr('placeholder')+'!'; var pattern; if(inputVal==""){ if(!telInput){ errFun(oErr,empTxt); } return false; }else { switch (oType){ case 'login_mobile': pattern = /^1[3456789]\d{9}$/; if(inputVal.length==11) { $.ajax({ url: '/login/checkmobile', type: "post", dataType: "json", data: { mobile: inputVal, etag: oEtag, page_ur: window.location.href, page_referer: document.referrer }, success: function (data) { } }); } break; case 'login_yzm': pattern = /^\d{6}$/; break; } if(oType=='login_mobile'){ } if(!!validateFun(pattern,inputVal)){ errFun(oErr,'') if(telInput){ $('.getcheckcode').removeClass('dis'); } }else { if(!telInput) { errFun(oErr, errTxt); }else { $('.getcheckcode').addClass('dis'); } return false; } } return true; } function errFun(obj,msg) { obj.html(msg); if(msg==''){ $('.login_submit').removeClass('dis'); }else { $('.login_submit').addClass('dis'); } } function validateFun(pat,val) { return pat.test(val); }