有哪些信誉好的足球投注网站- 1、本文档共115页，可阅读全部内容。
- 2、有哪些信誉好的足球投注网站（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
;本章主要介绍特征选择和降维技术，作为数据挖掘工程中的重要环节，两种技术都可以提升模型的性能、可用性或模型运行效率，也是深入理解数据、梳理建模思路的重要过程。
;学完本课程后，您将能够：
完整的理解特征选择和降维技术在整个数据挖掘过程中意义和常规方法；
能够区分特征选择和降维对建模的意义，对大规模特征维度的建模有明确的思路和处理方法；
深入的理解特征和模型的关系。
;特征选择
特征选择概述
Filter
Wrapper
Embedded
其他方法和特征扩增
降维
;基本概念(1);基本概念(2);特征来源;特征选择的定义;为什么要进行特征选择;特征选择的原则;常见特征选择方法;三种常见方法简介;特征选择
特征选择概述
Filter
Wrapper
Embedded
其他方法和特征扩增
降维
;Filter(1);Filter(2);Filter-方差选择法;Filter-相关系数法(1);Filter-相关系数法(2);Filter-相关系数法(3);Filter-相关系数法(4);Filter-相关系数法(5);Filter-卡方检验(1);Filter-卡方检验(2);Filter-卡方检验(3);Filter-卡方检验(4);Filter-卡方检验(5);Filter-卡方检验(6);Filter-互信息法(1);Filter-互信息法(2);Filter-互信息法(3);Filter-互信息法(4);Filter方法小结(1);Filter方法小结(2);特征选择
特征选择概述
Filter
Wrapper
Embedded
其他方法和特征扩增
降维
;基于模型的特征选择方法介绍;Wrapper;Wrapper-递归特征消除法(1);Wrapper-递归特征消除法(2);Wrapper-递归特征消除法(3);Wrapper-递归特征消除法(4);Wrapper-递归特征消除法(5);Wrapper-递归特征消除法(6);特征选择
特征选择概述
Filter
Wrapper
Embedded
其他方法和特征扩增
降维
;Embedded(1);Embedded(2);Embedded-基于L1的正则化(1);Embedded-基于L1的正则化(2);Embedded-基于L1的正则化(3);Embedded-基于L1的正则化(4);Embedded-基于L1的正则化(5);Embedded-基于L1的正则化(6);Embedded-基于L1的正则化(7);Embedded-基于L1的正则化(8);Embedded-基于树的嵌入方法(1);Embedded-基于树的嵌入方法(2);Embedded-基于树的嵌入方法(3);Embedded-基于树的嵌入方法(4);Embedded-基于树的嵌入方法(5);特征选择
特征选择概述
Filter
Wrapper
Embedded
其他方法和特征扩增
降维
;特征选择的其他???路;特征扩增(1);特征扩增(2);特征扩增(3);特征选择小结(1);特征选择小结(2);（多选题）以下哪几个方法属于特征选择的Filter方法？()
A、互信息方法
B、相关系数法
C、卡方检验法
D、递归特征消除法
（简答题）什么是卡方检验？它适用于类型属性的特征选择？
（简答题）包装法相比过滤法有什么不同之处？
;特征选择
降维
降维导入
SVD
PCA
LDA
LLE
;降维;降维背景;常见降维方法(1);常见降维方法(2);降维方法总体理解(1);降维方法总体理解(2);特征选择
降维
降维导入
SVD
PCA
LDA
LLE
;SVD奇异值分解介绍(1);SVD奇异值分解介绍(2);SVD奇异值分解介绍(3);SVD奇异值分解应用示例;SVD的应用于推荐系统(1);SVD的应用于推荐系统(2);奇异值的计算效率问题;特征选择
降维
降维导入
SVD
PCA
LDA
LLE
;PCA介绍(1);PCA介绍(2);PCA算法流程;PCA优缺点;PCA算法使用方法(1);PCA算法使用方法(2);PCA原理演示(1);PCA原理演示(2);PCA原理演示(3);PCA原理演示(4);PCA原理演示(5);PCA原理演示(6);特征选择
降维
降维导入
SVD
PCA
LDA
LLE
;LDA介绍(1);LDA介绍(2);LDA算法流程(1);LDA算法流程(2);LDA算法优缺点;LDAVSPCA
文档评论（0）