埃斯塔páginaAUN没有本质公顷traducido对ESTA版本。Puede版本LA版MÁSreciente德ESTApágina恩英格尔斯。
拉斯TÉCNICASreducen拉dimensionalidad德洛斯DATOS mediante拉transformación德DATOS EN NUEVASCARACTERÍSTICAS。拉斯TÉCNICAS儿子preferibles宽多拉transformación德变量没有上课更多钞票,POR ejemplo,宽多干草变量categóricas连接洛杉矶DATOS。Transformación德CARACTERÍSTICASSelecci贸德CARACTERÍSTICAS帕拉UNATÉCNICA德Selecci贸德operacionesespecíficamenteadecuada第下午ajuste德MINIMOS cuadrados,véase。Regresiónescalonada
了解特征选择算法和探索可供特征选择的功能。
本主题引入了顺序特征选择和提供了选择功能依次使用自定义标准和示例sequentialfs
功能。
邻里成分分析(NCA)是用于最大化的回归和分类算法的预测精度的目标选择特征的非参数方法。
在不损害模型的预测能力去除预测做一个更强大和更简单的模型。
选择拆分,预测使用交互测试算法随机森林。
叔SNE是用于通过非线性还原可视化高维数据,以两个或三个维度,同时保留原始数据的某些特征的方法。
这个例子中示出了T-SNE如何产生高维数据的有用的低维嵌入。
该示例示出的各种效果tsne
设置。
输出功能的说明和示例对叔SNE。
更新的时候通知德COMPONENTES principales(PCA)
更新的时候通知德COMPONENTES principales减少拉dimensionalidad德洛斯DATOS reemplazando varias变量correlacionadas POR未NUEVO CONJUNTO德变量阙儿子combinaciones lineales德拉斯变量originales。
执行加权主成分分析和解释结果。
因子分析是,以适应模型的多变量数据来估算的未观测到的(潜)的因素较少数量的测量变量的相互依赖性的方法。
采用因子分析,以调查是否在股票价格同行业经验相似一周到一周内的变化的公司。
这个例子说明如何进行使用统计和机器学习工具箱™因素分析。
多维尺度,您可以直观近点如何彼此对多种距离或差异性指标,可以在小维数产生的数据的表示。
用cmdscale
执行经典(公制)多维标度,也被称为主坐标分析。
这个例子说明如何使用执行经典多维尺度cmdscale
在统计和机器学习工具箱功能™。
此示例示出了如何使用多维标度(MDS)的非经典形式的可视化不相似性数据。
执行使用非经典多维尺度mdscale
。