文件名称：Dimensionality-Reduction-Techniques:在该存储库中，我实现了各种降维技术
文件大小：440KB
文件格式：ZIP
更新时间：2024-05-07 07:54:20
JupyterNotebook
降维技术 在该存储库中，我实现了各种降维技术。 主要目标 该存储库的主要目标是尝试降维技术的动手实施。 我已经在此存储库中实现了PCA和LDA 使用Python从Stratch提取PCA 使用sklearn的PCA 带有ML算法的PCA 火车数据 测试数据 PCA的超参数调整 内核PCA 拟合LDA的数据 使用LDA进行Logistic回归在将LDA与线性算法结合使用时，我能够实现列车数据的精度= 98％测试数据= 94％ 使用LDA的SVM在将LDA与非线性算法结合使用时，我能够达到训练数据= 100％测试数据= 100％的精度
【文件预览】：
Dimensionality-Reduction-Techniques-main
----LDA.ipynb(66KB)
----Feature Selection()
--------Feature Selection.ipynb(25KB)
--------hist_df_latest.csv(12KB)
--------Forward+Backward Feature Selection Technique.ipynb(16KB)
--------Univariate Feature Selection.ipynb(30KB)
--------backward_feature_elimination.csv(434KB)
--------hist_df_1min_latest.csv(61KB)
----images()
--------PCA_3.png(16KB)
--------PCA_2.png(10KB)
--------PCA_4.png(14KB)
--------LDA_3.png(24KB)
--------PCA_1.png(13KB)
--------PCA_5.png(21KB)
--------kernel_PCA_1.png(32KB)
--------LDA_1.png(23KB)
----README.md(1KB)
----PCA.ipynb(181KB)