NO.PZ2023050402000008
问题如下:
将很多相互关联的特征,总结成少量的新的彼此之间不相关的组合变量,这种方法叫做?选项:
A.特征选择
B.主成分分析
C.数据提取
D.特征工程
解释:
正确答案是B选项。主成分分析将很多相互关联的特征进行重新组合,总结成少量的新的组合变量,这些新的组合变量就是“主成分”,彼此之间不相关。需要明确一下主成分分析与特征选择之间有什么关系,感觉主成分分析不应该放在数据探索关系这里
pzqa38 · 2025年03月24日
嗨,努力学习的PZer你好:
主成分分析的目的是将原始特征转换为一组新的相互无关的综合变量(主成分),这些主成分是原始特征的线性组合,能够尽可能多地保留原始数据的信息,主要用于数据降维,简化数据结构以便后续分析和处理。
特征选择的目的是从原始特征集中挑选出最相关、最具代表性的特征子集,去除那些对模型性能影响较小或冗余的特征,从而提高模型的训练效率和泛化能力。
所以,两者的区别就是一个会产生新变量,一个不会产生新变量
两者都旨在减少数据中的特征数量,降低数据维度,从而简化数据分析和建模过程,提高模型的性能和效率。在实际应用中,主成分分析和特征选择可以相互配合使用。例如,在进行特征选择之前,可以先使用主成分分析对数据进行降维,减少特征数量,然后再从降维后的特征中进行特征选择,进一步筛选出最有价值的特征。
----------------------------------------------
努力的时光都是限量版,加油!
NO.PZ2023050402000008 问题如下 将很多相互关联的特征,总结成少量的新的彼此之间不相关的组合变量,这种方法叫做? A.特征选择 B.主成分分析 C.数据提取 特征工程 正确答案是B。主成分分析将很多相互关联的特征进行重新组合,总结成少量的新的组合变量,这些新的组合变量就是“主成分”,彼此之间不相关。 对应讲义哪里?
NO.PZ2023050402000008问题如下 将很多相互关联的特征,总结成少量的新的彼此之间不相关的组合变量,这种方法叫做?A.特征选择B.主成分分析C.数据提取特征工程正确答案是B。主成分分析将很多相互关联的特征进行重新组合,总结成少量的新的组合变量,这些新的组合变量就是“主成分”,彼此之间不相关。本题的答案与数据提取有啥区别呢
NO.PZ2023050402000008问题如下将很多相互关联的特征,总结成少量的新的彼此之间不相关的组合变量,这种方法叫做?A.特征选择B.主成分分析C.数据提取特征工程正确答案是B。主成分分析将很多相互关联的特征进行重新组合,总结成少量的新的组合变量,这些新的组合变量就是“主成分”,彼此之间不相关。这个为啥不是?不是创造新的了?
NO.PZ2023050402000008 问题如下 将很多相互关联的特征,总结成少量的新的彼此之间不相关的组合变量,这种方法叫做? A.特征选择 B.主成分分析 C.数据提取 特征工程 正确答案是B。主成分分析将很多相互关联的特征进行重新组合,总结成少量的新的组合变量,这些新的组合变量就是“主成分”,彼此之间不相关。 特征选择和特征工程有啥区别?