Re: [問題] 請問經過PCA後的資料若反而對DATAMININ …
※ 引述《question18 (晡)》之銘言：
: 請問一下
: 學長說我的特徵太多，所以要使用PCA(principle analysis)降低feature dimension
: 將100多個feature降低為10個factor
: 可是降維之後 再去做datamining的classification研究
: 結果效果反而變差了 可是學長說 降低維度後的分類結果才有意義
: 可是
: 特徵太多分類結果更好 可是我又沒有很充足的證據推翻旋長說的
: 特徵太多的分類結果是沒意義的
一點淺見供參考
基本上對於分類問題來說
找到真正重要的分類特徵比較重要
如果能以最少的分類特徵數達到最好的分類效果當然是最好
所以如果說有100個分類特徵如果全部用下去也見得比只用50個較重要的變數好
所以也不能說學長說的是錯的
降低特徵維度方法很多 是比較少聽到用PCA的方法
因為一般來講PCA將各變數作線性組合後很難有實質上的意義
除非資料本身的特性可容許這樣做
要講好處大概就是各維度之間是獨立的
同樣的若作因素分析多少也會遇到同樣的問題
因此建議可從眾多特徵變數當中挑出重要的變數來降低維度
看效果會不會比較好
--
自古以來，弱肉強食，物競天擇，生死早就註定！
『神醉夢迷之後，只知殺人的刀光！』 『死而生、生而死，此乃世間相生之道。』
但世間上，更有萬物相生相剋之道。
『單身前來，你將是萬夫莫敵，或是無智莽夫呢？閻魔旱魃！』
『你知道嗎？殺一名強者，比滅掉一個組織來的刺激！北辰元凰！哈哈哈~~』
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 140.136.133.110
※ 編輯: skyclouder 來自: 140.136.133.110 (06/15 20:20)
討論串 (同標題文章)