作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
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.
推荐文章
基于TL1罚的稀疏主成分分析
稀疏主成分分析
TL1罚
阈值迭代算法
基于二维主成分分析的图像特征提取研究
二维主成分分析
特征提取
人脸识别
基于一种非凸罚函数的稀疏主成分分析方法
稀疏主成分分析
阈值迭代算法
非凸罚函数
稀疏信息处理
收缩算子
临近算子
一种基于主成分分析的高光谱图像波段选择算法
主成分分析
波段选择
高光谱图像
贝叶斯分类
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于稀疏主成分分析的高维数据特征选择
来源期刊 福建质量管理 学科
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
研究方向 页码范围 156
页数 1页 分类号
字数 1634字 语种 中文
DOI
五维指标
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
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (2)
共引文献  (0)
参考文献  (3)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2015(1)
  • 参考文献(0)
  • 二级参考文献(1)
2017(2)
  • 参考文献(1)
  • 二级参考文献(1)
2018(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(1)
  • 参考文献(1)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
高维数据
稀疏主成分分析
降维
变量选择
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
福建质量管理
半月刊
1673-9604
35-1087/F
大16开
福建省福州市鼓楼区洪山园路洪山科技园福建节能大厦1号楼2层
1980
chi
出版文献量(篇)
25858
总下载数(次)
444
论文1v1指导