数据分析

白天 夜间 首页 下载 阅读记录
  我的书签   添加书签   移除书签

有关如何使用特征提取技术（例如PCA，ICA，LDA，LLE，t-SNE和AE）减少数据集维度的端到端指南

浏览 61 扫码 分享 2022-07-13 21:54:57

    若有收获，就点个赞吧

    0 人点赞

    上一篇:
    下一篇:
    • 书签
    • 添加书签 移除书签
    • 数据分析
      • 数据导入
        • Pandas常见的性能优化方法
      • 数据预览
        • 分组
        • 转变维度
        • 数据筛选
        • 重设索引
        • 修改DataFrame列标签
        • DataFrame预览
        • 数据分布
          • 可视化预览数据分布
          • 核密度估计和非参数回归
          • 泊松分布
          • 如何知道一个变量的分布是否为高斯分布?
            • 雅克-贝拉检验
      • 文本型数据处理
      • 数据预处理
        • 新建列
        • 删除
        • 数据类型转变
        • 增加行列
        • 时间序列数据
          • 时间数据处理
        • 更名
        • 拆分
        • 离群值
        • 数据筛选
        • 替换
        • 去重
        • 缺失值
      • 数据可视化
        • 多图
        • 数据可视化技巧
        • 数据可视化理论
        • 热图
        • 密度图
        • 关系矩阵
          • 使用Seaborn和Pandas进行相关性分析和可视化
        • 箱型图
        • 散点图
        • countplot（计数）
        • pairplot
      • 特征工程
        • 归一化
        • 降维
          • 数据降维
          • 有关如何使用特征提取技术（例如PCA，ICA，LDA，LLE，t-SNE和AE）减少数据集维度的端到端指南
          • 主成分分析(PCA)
            • 主成分分析(PCA)原理及使用详解
        • 交叉验证
        • 数值化
        • 特征选择
          • 嵌入法
          • 过滤法（单变量）
          • 过滤法（多元）
          • 封装法
        • 置换重要性
          • 为什么要停止过度使用置换重要性来寻找特征
      • 建模
        • 调参
        • 建模技巧
        • 训练集与测试集
      • 模型评价
        • SSE
        • A/B 测试
          • 贝叶斯A / B测试代替传统方法
        • roc
          • ROC曲线学习总结
    暂无相关搜索结果！

      让时间为你证明

      展开/收起文章目录

      分享，让知识传承更久远

      文章二维码

      手机扫一扫，轻松掌上读

      文档下载

      请下载您需要的格式的文档，随时随地，享受汲取知识的乐趣！
      PDF文档 EPUB文档 MOBI文档

      书签列表

        阅读记录

        阅读进度: 0.00% ( 0/0 ) 重置阅读进度
          思维导图备注