kalman filter 公式推导过程笔记；英文；BLUE:best&linear&unbiased&estimate.
2022-12-12 09:28:41
123KB
1
为什么要做降维：
提高计算效率
留存有用的特征，为后续建模使用
在项目中实际拿到的数据，可能会有几百个维度（特征）的数据集，这样的数据集在建模使用时，非常消耗计算资源，所以需要通过使用降维方法来优化数据集
线性判别分析（Linear Discriminant Analysis）
用途：数据预处理中的降维，分类任务（有监督问题）
目标：LDA关心的是能够最大化类间区分度的坐标轴成分
将特征空间（数据集中的多维样本）投影到一个维度更小的 k 维子空间中，同时保持区分类别的信息
原理：投影到维度更低的空间中，使得投影后的点，会形成按类别区分，一簇一簇的情况，相同类别的点，将会在投影后的空间中更接近
2021-07-07 15:03:37
281KB
1