返回信息流PCA到底属于特征提取还是特征选择呢?
我们老师的PPT上说是特征选择,但是我觉得是特征提取。我认为PCA最后是通过特征向量将特征投影到另一个低纬空间上面去。这个应该还算是特征提取吧?
求鉴定:)
这是一条镜像帖。来源:北邮人论坛 / ml-dm / #8660同步于 2012/1/7
该镜像源已超过 30 天没有更新,可能在源站已被删除。
ML_DM机器人发帖
求牛人鉴定一下
slayer0421
2012/1/7镜像同步13 回复
订阅后,新回复会通过你的通知中心匿名送达。
9 条回复
提取通常是说从比较raw的数据中提取feature吧,(比如从图像中提取物体轮廓)。
而特征选择是选择更明显的feature,一来可以减少计算量,二来降低不必要特征的影响和噪声等....
纯属个人观点
个人也认为PCA属于特征提取。
“特征变换也常被称为特征提取,指从原始信号经过变换得到特征量的过程。传统的线性变换方法主要有主成分分析(PCA)和线性鉴别分析(LDA),后者又叫 Fisher 鉴别分析(FDA)。”
参考:模式识别研究进展. 刘成林,谭铁牛.
http://liama.ia.ac.cn/wiki/_media/projects:pal:ccf-%E6%A8%A1%E5%BC%8F%E8%AF%86%E5%88%ABfull.pdf?id=projects%3Apal%3Ahome&cache=cache
另件这个blog:
http://blog.csdn.net/zclszs/article/details/4137505
【 在 knighterz 的大作中提到: 】
: 个人也认为PCA属于特征提取。
: “特征变换也常被称为特征提取,指从原始信号经过变换得到特征量的过程。传统的线性变换方法主要有主成分分析(PCA)和线性鉴别分析(LDA),后者又叫 Fisher 鉴别分析(FDA)。”
: 参考:模式识别研究进展. 刘成林,谭铁牛.
: ...................
你的参考资料很有用哇!所以我觉得老师的课件写错了~
绝对的feature extraction...
通过投影就是feature extraction了
feature selection只是从原来的feature中挑几个出来
可以看成是feature extraction中的一种很特殊的
【 在 liyus 的大作中提到: 】
: 绝对的feature extraction...
: 通过投影就是feature extraction了
: feature selection只是从原来的feature中挑几个出来
: ...................
我昨天发邮件问邓了。。他跟我说一句。。说特征提取的人比较多,说特征选择的人比较少。。。我囧~~~
【 在 slayer0421 的大作中提到: 】
:
: 【 在 liyus 的大作中提到: 】
: : 绝对的feature extraction...
: ...................
= =# 我觉得这个也没啥紧要关系
【 在 bebekifis 的大作中提到: 】
: 主成份分析,数据压缩,空间变换
: --
感谢各位牛人的回答,大家都再说空间变换。那我认为PCA就应该属于特征提取~