流程问题:先是特征选择然后再做降维。

Question

在解决实际问题时，先做数据预处理和特征选择，即特征工程工作。然后再做降维，数据测试切分，然后归一化，然后调用算法，训练得出模型，评估性能。
请问老师，这样的流程是否可以。谢谢！

Answer 1

liuyubobobo 2018-02-10 13:59:40

通常来讲，降维本身也可以理解成一种特征提取。

如果精心进行了特征选择和特征提取，也就不太需要进行降维了。一方面，特征选择和特征提取应该保证了留下的特征都是充分有意义的（压缩空间很小），另一方面，特征选择的过程也进行了降维：）。

但是，如果在做完特征选择以后，你觉得你的数据特征数依然太多，计算资源不允许，你的流程是没有问题的：）

• 提问者 慕慕9414451 #1

  谢谢老师！
  再总结下，降维的好处:在处理成千上万维数据时，可降低计算资源消耗，提高计算效率;还有就是特征筛选，选出最重要的几个特征，去掉影响很小的特征和没有影响的因素(后者为噪声)。
  量子计算的出现，估计降维的第一个作用估计没什么必要了吧。

• liuyubobobo 回复 提问者 慕慕9414451 #2

  纠正一下，PCA的降维过程不是简单的“去掉”某些特征，“留下”某些特征。PCA的过程将整个特征空间从高维空间映射到低维空间，这个映射过程，原始的高维空间的“语意”丢失了。所以很适合原始数据语意本身就“意义不大“的情况，比如图像数据。可以参考这个问答：https://coding.imooc.com/learn/questiondetail/40921.html ：）

• 提问者 慕慕9414451 回复 liuyubobobo #3

  谢谢老师及时纠偏。