主要内容

La traducción de esta página aún没有se ha actualizado a La versión más reciente。Haga clic aquí para ver la última versión en inglés。

Reducción de la dimensionalidad y extracción de características

PCA, análisis阶乘，selección de características, extracción de características y mucho más

Las técnicas deTransformación de características减少数据维度transformándolos新内容características。Las técnicas deSelección de característicasSon preferbles cuando no es possible la transformación de las变量，p. ej。， cuando los datos continenen变量categóricas。Para ver una técnica de selección de características indicada específicamente Para el ajuste de mínimos cuadrados, consulteRegresion escalonada．

一些必要

expandir待办事项

fscchi2 使用卡方检验进行单变量特征排序分类
fscmrmr 采用最小冗余最大相关性(MRMR)算法对特征进行分类排序
fscnca 使用邻域成分分析进行特征选择分类
fsrftest 用于回归的单变量特征排序F测试
fsrmrmr 采用最小冗余最大相关性(MRMR)算法对特征进行秩回归
fsrnca 使用邻域成分分析进行回归的特征选择
fsulaplacian 使用拉普拉斯分数对无监督学习进行排序
partialDependence 计算部分依赖关系
plotPartialDependence 创建部分依赖图(PDP)和个别条件期望图(ICE)
oobPermutedPredictorImportance 通过对随机森林分类树的袋外预测器观测的排列估计预测器重要性
oobPermutedPredictorImportance 通过对随机森林的回归树的袋外预测器观测的排列估计预测器重要性
predictorImportance 分类树预测因子重要性的估计
predictorImportance 决策树分类集合中预测因子重要性的估计
predictorImportance 回归树预测因子重要性的估计
predictorImportance 回归集合预测因子重要性的估计
relieff 使用ReliefF或RReliefF算法对预测因子的重要性进行排序
sequentialfs 使用自定义标准的顺序特征选择
stepwiselm 执行逐步回归
stepwiseglm 通过逐步回归建立广义线性回归模型
黎加 基于重构ICA的特征提取
sparsefilt 基于稀疏滤波的特征提取
变换 将预测器转换为提取的特征
tsne t分布随机邻居嵌入
巴特 巴特利特的测试
canoncorr 典型相关
主成分分析 Análisis程序构成原则
pcacov 协方差矩阵的主成分分析
pcares 主成分分析的残差
车牌提取 概率主成分分析
factoran 因子分析
rotatefactors 旋转因子负荷
nnmf 非负矩阵分解
cmdscale 经典多维标度
泰姬陵 与参考样本的马氏距离
mdscale 非经典多维尺度
pdist 遥不可及，心不可及
squareform 格式距离矩阵
普罗克汝斯忒斯 普罗克汝斯忒斯分析

Objetos

expandir待办事项

FeatureSelectionNCAClassification 基于邻域成分分析(NCA)的分类特征选择
FeatureSelectionNCARegression 使用邻域成分分析(NCA)进行回归的特征选择
ReconstructionICA 基于重构ICA的特征提取
SparseFiltering 稀疏滤波特征提取

特马

Selección de características

Extracción de características

  • 特征提取
    特征提取是从数据中提取高级特征的一套方法。
  • 特征提取流程
    这个例子展示了从图像数据中提取特征的完整工作流。
  • 提取混合信号
    这个例子展示了如何使用黎加解杂音频信号。

Visualización多维t-SNE

  • t-SNE
    t-SNE是一种通过非线性降维到二维或三维，同时保留原始数据的一些特征来可视化高维数据的方法。
  • 使用t-SNE可视化高维数据
    这个例子展示了t-SNE如何为高维数据创建有用的低维嵌入。
  • tsne设置
    这个例子展示了各种tsne设置。
  • t-SNE输出函数
    t-SNE的输出函数描述和示例。

PCA correlación canónica

分析!

  • 因子分析
    因子分析是一种将模型与多变量数据拟合的方法，以估计测量变量在较少数量的未观察(潜在)因素上的相互依赖性。
  • 使用因子分析分析股票价格
    使用因素分析来调查同一行业内的公司是否经历类似的每周股价变化。
  • 对考试成绩进行因素分析
    这个例子展示了如何使用统计和机器学习工具箱™执行因素分析。

Factorización de矩阵没有负数

Escalas多维

Análisis de Procrustes