algorithm - 哪种算法对高维特征和小样本量表现更好?
问题描述
我正在尽力处理小样本中的高维数据。例如,Y 是 500*1 矩阵,X 是 500*10000 矩阵。这些数据有更好的回归方法吗?
解决方案
一个适用的解决方案是应用一些归约方法,例如 PCA(主成分分析),X
并对 PCA 的结果应用回归。
推荐阅读
- asp.net-core - Swagger 集成到 Bot Framework 4
- python - 我将如何调整这段代码以将它们从最高 -> 最低,而不是最低 -> 最高排序
- javascript - 更新 html 表格数据
- mysql - Mysql 错误 #1064 没有提供错误描述
- javascript - 用于电话号码验证的 Javascript RegEx 构建
- macos - OpenGL 3.3(mac)错误验证程序:验证失败:没有顶点数组对象绑定
- spring - java.lang.NoSuchMethodError:org.springframework.beans.factory.support.CglibSubclassingInstantiationStrategy
- javascript - Promise.all 中的链式承诺,没有包装器 Promise
- android - 这两个应该一样吗?NotificationChannel.setGroup 和 Notification.Builder.setGroup
- c - 使用 libssh 复制文件