摘要
高维无标记数据的出现不仅使数据处理的时间和空间复杂度增加,同时还会使训练模型出现过拟合,因此对高维无标记数据降维变得越来越必要。特征选择是数据降维的有效方法,本文给出了几种具有代表性的无监督特征选择方法,并指出了这些算法的优缺点,为进一步研究基于无监督的特征选择提供了理论基础。
出处
《电子技术与软件工程》
2019年第5期181-182,共2页
ELECTRONIC TECHNOLOGY & SOFTWARE ENGINEERING
基金
国家自然科学基金(61702165)
河北省自然科学基金(F2016111005)
河北省人才工程培养经费资助科研项目(A201803025)
衡水学院高层次人才科研启动基金项目(2018GC01)
河北省高等学校科学研究计划项目(QN2017513)
