1.1 简介 ·高维数据存在的问题：维数灾难(curse of dimensionality,p》 n) 一运算时间 一过拟合 -需要的样本量大小（达到同样的精度，需要样本量） ·维数减低技术：希望用较少的变量来代替原来较多的变量，而 这些较少的变量尽可能反映原来变量的信息 ·维数降低技术包括主成分分析，因子分析，典型相关分析，多维 标度法，神经网络，流行学习等等 Previous Next First Last Back Forward 11.1 简介 • 高维数据存在的问题: 维数灾难 (curse of dimensionality, p ≫ n) – 运算时间 – 过拟合 – 需要的样本量大小 (达到同样的精度, 需要样本量 n d ) • 维数减低技术: 希望用较少的变量来代替原来较多的变量, 而 这些较少的变量尽可能反映原来变量的信息. • 维数降低技术包括主成分分析, 因子分析, 典型相关分析, 多维 标度法, 神经网络, 流行学习等等. Previous Next First Last Back Forward 1