机器学习与智能金融第四章复杂特征中抓住关键因素降维
机器学习与智能金融 第四章 复杂特征中抓住关键因素 降维
本讲主要内容降维概述线性降维非线性降维四降维代码实践五案例或论文
本讲主要内容 一 降维概述 二 线性降维 三 非线性降维 四 降维代码实践 五 案例或论文
本讲知识点与学习自标PCA熟悉降维应用场景线性方法LDA基于重建权值：LLE邻接图：LaplacionEigenmaps掌握线性降维方法原理保留局部特征Hession LLE基于切空间LTSA数据降维了解非线性降维方法及使用非线性方法基于欧式距离：MDS基于距离保持基于测地线距离：Isoamp保留全局特征思考降维在金融中的应用基于分散距离：diffusionmaps基于核：核PCA基于神经网络：多层自动编码
本讲知识点与学习目标 熟悉降维应用场景 掌握线性降维方法原理 了解非线性降维方法及使用 思考降维在金融中的应用 线性方法 PCA LDA 非线性方法 保留局部特征 保留全局特征 基于重建权值：LLE 邻接图：Laplacion Eigenmaps 基于切空间 基于距离保持 基于核：核PCA 基于神经网络：多层自动编码 基于欧式距离：MDS 基于测地线距离：lsoamp 基于分散距离：diffusion maps Hession LLE 数据降维 LTSA
本讲主要内容降维概述线性降维非线性降维四降维代码实践五案例或论文
本讲主要内容 一 降维概述 二 线性降维 三 非线性降维 四 降维代码实践 五 案例或论文
什么是降维？降维就是这样一个过程，在降低数据集维度的同时，保证其中包含的主要信息是相似的（就是保证有效信息不要丢失）。降维技术最典型的应用就是在机器学习问题中，进行有效的特征选择，以此获得更好的分类、回归效果
降维就是这样一个过程，在降低数据集维度的同时，保证其中包含的主要信息是相似的 （就是保证有效信息不要丢失）。降维技术最典型的应用就是在机器学习问题中，进行 有效的特征选择，以此获得更好的分类、回归效果。 什么是降维？