半熟前端

軟體工程師 / 台灣人 / 在前端的路上一邊探索其他領域的可能性

分類:機器學習

機器學習

淺談降維方法中的 PCA 與 t-SNE

在機器學習當中,如果特徵數過多時,有可能會造成一些問題,像是: 過擬合 (overfitting) 處理速度較慢 如果超過三個特徵以上不好視覺化 所以這時候就需要對特徵做降維,在實務上,一個幾百幾千個的特徵當中,手動挑選特徵顯然不是一個明智的方法,所以以下來介紹兩個在機器學習中常常使用的兩種降維方法。 PCA(principal component analysis)主成份分析 在介紹 PCA 之前,我們先來定義一下我們的目標是什麼: 將一個具有 n 個特徵空間的樣本,轉換為具有 k…

(繼續閱讀...)#降維#PCA#t-SNE