-3

有用於這一目的許多優化技術,但什麼是最好的或者我如何選擇合適的技術爲我work..Thanks特徵選擇中用於降維的最佳優化技術是什麼?

+0

這個問題沒有單一的答案(當然不是你提供的零信息)。最好的方法是預先選擇有意義的特徵,即那些真正具有區別性的特徵。使用你的大腦,而不是人造神經元。 –

+0

謝謝你的回答..我真的忘了給更多的細節..我的數據集是視網膜圖像。 – ruaa

+0

你真的認爲你在這個評論中添加了任何信息嗎? –

回答

1

PCA是業界使用最廣泛的。 選擇正確的技術主要取決於您擁有的數據類型。 如果你只有數字,它可以是一個不錯的選擇,但對於非數值,有更好的技術,如隨機福雷斯特/合奏樹。

如果您擁有較高的計算資源,您可以結合缺失值比率和後向特徵消除。