準備好簡化大型資料集吧！你將學到什麼是資訊、如何評估特徵重要度，並實作找出低資訊量的特徵。完成本章後，你會理解特徵選擇與特徵萃取的差異——這是降維的兩種主要方法。

降維入門

維度與特徵資訊

互資訊特徵

資訊與特徵重要性

計算根節點的熵

計算子節點的熵

計算顏色的資訊增益

資料與模型建構中降維的重要性

計算可能的組合數

維度詛咒、過度擬合與偏差

降維的基礎

學習如何根據遺漏值比例、變異數與相關性，辨識資訊豐富與資訊不足的特徵。接著，你將了解如何建立 tidymodels 的 recipe，利用這些資訊指標來進行特徵選擇。

特徵選擇 vs. 特徵萃取

建立零變異數篩選器

建立遺漏值篩選器

使用組合篩選器進行特徵選擇

依遺漏值進行選擇

建立遺漏值比例篩選器

套用遺漏值比例篩選器

建立遺漏值的配方（recipe）

依變異數進行篩選

建立低變異數篩選器

建立低變異數的 recipe

依與其他特徵的相關性進行選擇

找出高度相關的特徵

選擇要移除的相關特徵

建立高相關性的 recipe

以特徵重要度為目標的特徵選擇

第三章將介紹非監督與監督式特徵選擇方法的差異。你會複習如何使用 tidymodels 的 workflow 來建構模型。之後，你將以 lasso 迴歸與隨機森林模型進行監督式特徵選擇。

監督式特徵選擇

監督式 vs. 非監督式特徵選擇

決策樹的特徵選擇類型

使用 tidymodels 建立與評估模型

切分訓練與測試資料集

建立 recipe-model workflow

訓練、探索並評估模型

Lasso 迴歸

為 lasso 迴歸縮放資料

探索 lasso 迴歸的懲罰值

調整 penalty 超參數

擬合最佳模型

隨機森林模型

建立完整的隨機森林模型

使用特徵重要度來縮減資料

建立精簡的隨機森林

以模型效能為目標的特徵選擇

在最後一章，你將透過理解主成分如何從不同特徵中擷取並結合最關鍵的資訊，建立對特徵萃取的直覺。接著學習並實作三種特徵萃取方法——主成分分析（PCA）、t-SNE 與 UMAP。了解如何在 tidymodels 的模型建構流程中，將這些特徵萃取方法作為前處理步驟使用。

特徵擷取基礎—主成分

理解主成分

為主成分命名

主成分分析（PCA）

PCA：解釋變異

將特徵對應到主成分

tidymodels 中的 PCA

t-Distributed Stochastic Neighborhood Embedding（t-SNE）

用 PCA 區分房價

用 t-SNE 區分房價

Uniform Manifold Approximation and Projection（UMAP）

用 UMAP 區分房價

在決策樹模型中使用 UMAP 降維

評估 UMAP 決策樹模型

總結

特徵萃取與模型效能

你是否曾經面對特徵數量龐大的資料集而感到吃力？在本課程中，你將學到降維技巧，幫助你在維持良好預測效能的同時，簡化資料及以該資料建立的模型。降維在資料科學中就像你的奧卡姆剃刀。你將使用 R 學習如何辨識並移除特徵，如何將特徵組合萃取為涵蓋最多資訊的精簡主成分，並用真實世界的資料建構使用較少特徵、但不明顯犧牲效能的模型。

你是否曾經處理過擁有大量特徵的資料集？你真的需要所有這些功能嗎？哪些是最重要的？在本課程中，您將學習降維技術，協助您在保留原始資料資訊及良好預測效能的同時，簡化資料及您所建立的模型。 <br> <br>

<h2>為什麼要學習降維？</h2> <br><br>

我們正處於資訊時代——一個資訊爆炸的時代。 從資料中萃取關鍵資訊是一項極具市場價值的技能。 模型在減少資料量時訓練速度更快。 在實際應用中，較小的模型能帶來更快的回應速度。 或許最重要的是，較小的資料和模型通常更容易理解。 降維是資料科學中的奧卡姆剃刀。 <br><br>

<h2>您將在本課程學到什麼？</h2><br><br>

特徵選擇與特徵萃取的差異！使用 R，您將學習如何識別並移除資訊量低或重複的特徵，保留最具資訊價值的特徵。 這就是特徵選擇。 您還將學習如何將多個特徵組合成包含最大資訊量的精簡組件。 這就是特徵擷取！<br><br>

但最重要的是，透過 R 的全新 tidymodel 套件，您將運用真實世界的資料來建立特徵較少但效能依然優異的模型。

Modeling with tidymodels in R

學習R中的降維技術，掌握特徵選擇與提取以應用於您的數據和模型。

R 的降維

掌握 R 中的降維技巧，精通特徵選擇與特徵萃取，優化你的資料與模型。

特徵選擇 vs. 特徵萃取

Create Your Free Account