第七章特征变换 966 特征选择 口从D个原始特征中，选择其中的d个特征。保持了 原有特征的物理含义 特征变换 对D个原始特征进行一定的数学变换，得到d组新 特征，往往不具有原始特征对应的物理含义
第七章 特征变换 特征选择 从D个原始特征中，选择其中的d个特征。保持了 原有特征的物理含义 特征变换 对D个原始特征进行一定的数学变换，得到d组新 特征，往往不具有原始特征对应的物理含义
/96 天=(x,x2,…,xn)→ =(,2,…,ya),d≤n 变换)=W”龙 原始特征 二次特征 W=Wx为特征提取矩阵或变换矩阵
变换 T y W x W Wnd为特征提取矩阵或变换矩阵 1 2 ( , , , )T n x x x x 1 2 ( , , , ) , T d y y y y d n 原始特征 二次特征
纷 /96 主成分分析PCA)
主成分分析(PCA)
/96 在模式识别中，一个常见的问题就是特征 选择或特征提取，理论上我们要选择与原始数 据空间相同的维数。但是，为了简化计算，设 计一种变换使得数据集由维数较少的“有效” 特征来表示。 找出数据中最“主要”的元素和结构，去 除噪音和冗余，将原有的复杂数据降维，揭示 隐藏在复杂数据背后的简单结构
在模式识别中，一个常见的问题就是特征 选择或特征提取，理论上我们要选择与原始数 据空间相同的维数。但是，为了简化计算，设 计一种变换使得数据集由维数较少的“有效” 特征来表示。 找出数据中最“主要”的元素和结构，去 除噪音和冗余，将原有的复杂数据降维，揭示 隐藏在复杂数据背后的简单结构
/956 X2 C S ● ● ● ● ● ● X
• 2 x 1 x C1 C2 • • • •••• • • • • • • • • • • • • • • • • • • • • • • • • • • • • •