基于稀疏主成分分析的高维数据特征选择

• 作者: 郭小静
• 来源期刊: 福建质量管理
• 关键词: 高维数据 稀疏主成分分析 降维 变量选择
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 质量管理
• 页码范围: 156
• 页数: 1页
• 字数: 1634字
• 语种: 中文

摘要

信息技术的高速发展,带来了数据的海量存储,数据的维度也随之升高.数据维度的升高不仅会在非参数模型中遭遇"维数灾难",还容易在拟合过程中造成过度拟合.因此降低数据维度,简化算法,提高模型的可解释度成为数据挖掘的一项重要工作.而稀疏主成分分析在主成分分析的基础上能够提升变量的可解释度,且具有降维和特征选择的双重意义.因此本文以德国某信贷数据为例,对基于稀疏主成分分析的高维特征进行了选择.结果证明稀疏主成分分析能够同时达到降维和变量选择的双重目的,在实际的建模数据集预处理的过程中有重大价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭小静		1	0	0.0	0.0