本文共计2502个文字，预计阅读时间需要11分钟。

一、降维降维是指在特定条件下，通过降低随机变量（特征）的个数，得到一组不相关的主成分的过程。

ndarray降维：0维 标量 1维 向量 2维 矩阵 3维 矩阵 3维以上 n维矩阵

此处的降维：降（特指）

一、降维

降维是指在某些限定条件下，降低随机变量(特征)个数，得到一组“不相关”主变量的过程

ndarray

• 维数：嵌套的层数
• 0维 标量
  • 1维 向量
  • 2维 矩阵
  • 3维
  • n维二维数组此处的降维：降低特征的个数效果：特征与特征之间不相关

降低随机变量的个数：相关特征(correlated feature)

• 相对湿度与降雨量之间的相关
• 等等

正是因为在进行训练的时候，我们都是使用特征进行学习。如果特征本身存在问题或者特征之间相关性较强，对于算法学习预测会影响较大

二、降维的两种方式

• 特征选择
• 主成分分析（可以理解一种特征提取的方式）

  三、什么是特征选择

  1.定义

  数据中包含冗余或无关变量（或称特征、属性、指标等），旨在从原有特征中找出主要特征。