基于特征學(xué)習(xí)的高維數(shù)據(jù)處理與預(yù)測.pdf

1、進(jìn)入二十一世紀(jì)以來，隨著計算機(jī)技術(shù)的發(fā)展，商業(yè)應(yīng)用等領(lǐng)域每天都產(chǎn)生大量的數(shù)據(jù)，除了數(shù)量巨大之外，數(shù)據(jù)的維度也爆炸式增長。高維數(shù)據(jù)在實際應(yīng)用中越來越普遍，其重要性也越來越高，因此，我們對高維數(shù)據(jù)進(jìn)行分析與挖掘有非常重要的實際意義。不管工業(yè)界還是學(xué)術(shù)界都興起了對高維數(shù)據(jù)的分析與挖掘的熱潮。傳統(tǒng)機(jī)器學(xué)習(xí)方法應(yīng)對高維數(shù)據(jù)時面臨巨大困難，很多能將低維數(shù)據(jù)優(yōu)異分類的算法在面對高維數(shù)據(jù)時很難達(dá)到預(yù)期。因此，高維數(shù)據(jù)對傳統(tǒng)的機(jī)器學(xué)習(xí)方法是巨大挑戰(zhàn)也是新

2、的機(jī)遇。
　　如何將低維空間展現(xiàn)高維數(shù)據(jù)，并且挖掘高維數(shù)據(jù)內(nèi)部結(jié)構(gòu)是一項重要環(huán)節(jié)。降維作為克服“維數(shù)災(zāi)難”的重要手段，本文對特征降維展開了深入探討。降維主要有兩種手段，特征選擇和特征提取。特征選擇與特征提取的本質(zhì)區(qū)別在于，特征選擇的結(jié)果是原有特征空間的真子集，而特征提取會產(chǎn)生諸如原有特征線性組合的新特征。在實際應(yīng)用中，特征選擇相對更容易實現(xiàn)，應(yīng)用的也更多一些。
　　對于高維數(shù)據(jù)研究的主要熱點(diǎn)集中在有監(jiān)督分類上。高維數(shù)據(jù)分類有