埃斯塔páginaAUN没有本质公顷traducido对ESTA版本。Puede版本LA版MÁSreciente德ESTApágina恩英格尔斯。
拉斯TÉCNICASreducen拉dimensionalidad德洛斯DATOS mediante拉transformación德DATOS EN NUEVASCARACTERÍSTICAS。拉斯TÉCNICAS儿子preferibles宽多拉transformación德变量没有上课更多钞票,POR ejemplo,宽多干草变量categóricas连接洛杉矶DATOS。Transformación德CARACTERÍSTICASSelecci贸德CARACTERÍSTICAS帕拉UNATÉCNICA德Selecci贸德operacionesespecíficamenteadecuada第下午ajuste德MINIMOS cuadrados,véase。Regresion escalonada
了解特征选择算法和探索可供特征选择的功能。
本主题介绍了顺序特性选择,并提供了一个使用自定义条件和sequentialfs
功能。
邻里成分分析(NCA)是用于最大化的回归和分类算法的预测精度的目标选择特征的非参数方法。
在不损害模型的预测能力去除预测做一个更强大和更简单的模型。
使用交互测试算法为随机森林选择分裂预测因子。
叔SNE是用于通过非线性还原可视化高维数据,以两个或三个维度,同时保留原始数据的某些特征的方法。
这个例子中示出了T-SNE如何产生高维数据的有用的低维嵌入。
这个例子展示了各种方法的效果tsne
设置。
t-SNE的输出函数描述和示例。
更新的时候通知德COMPONENTES principales(PCA)
更新的时候通知德COMPONENTES principales减少拉dimensionalidad德洛斯DATOS reemplazando varias变量correlacionadas POR未NUEVO CONJUNTO德变量阙儿子combinaciones lineales德拉斯变量originales。
执行加权主成分分析和解释结果。
因子分析是,以适应模型的多变量数据来估算的未观测到的(潜)的因素较少数量的测量变量的相互依赖性的方法。
采用因子分析,以调查是否在股票价格同行业经验相似一周到一周内的变化的公司。
这个例子说明如何进行使用统计和机器学习工具箱™因素分析。
多维标度允许您可视化各种距离或不同度量的点彼此之间的距离有多近,并且可以在少量维中生成数据的表示。
使用cmdscale
执行经典(度量)多维标度,也称为主坐标分析。
此示例演示如何使用cmdscale
功能在统计和机器学习工具箱™。
此示例示出了如何使用多维标度(MDS)的非经典形式的可视化不相似性数据。
使用非经典的多维标度mdscale
。