准备好简化大型数据集吧！您将学习信息的概念、如何评估特征重要性，并练习识别低信息量特征。学完本章，您将理解特征选择与特征提取——这两类降维方法之间的区别。

降维入门

维度与特征信息

互信息特征

信息与特征重要性

计算根节点熵

计算子节点的熵

按颜色计算信息增益

数据与模型构建中降维的重要性

计算可能的组合数

维度诅咒、过拟合与偏差

降维基础

学习如何通过缺失值比例、方差和相关性来识别信息丰富与信息稀缺的特征。随后，您将了解如何构建 tidymodels 的 recipes，利用这些信息指标来进行特征选择。

特征选择 vs. 特征提取

创建零方差筛选器

创建缺失值过滤器

结合筛选器进行特征选择

基于缺失值进行选择

创建缺失值比例过滤器

应用缺失值占比筛选器

创建缺失值配方

基于方差的选择

创建低方差筛选器

创建低方差的 recipe

基于与其他特征的相关性进行选择

识别高度相关的特征

选择要移除的相关特征

创建高相关性 recipe

面向特征重要性的特征选择

第 3 章将介绍无监督与有监督特征选择方法的区别。您将回顾如何使用 tidymodels 的 workflows 来构建模型。接着，您将通过 lasso 回归与随机森林模型执行有监督特征选择。

有监督特征选择

监督 vs. 非监督特征选择

决策树的特征选择类型

使用 tidymodels 构建与评估模型

划分训练集与测试集

创建配方-模型工作流

拟合、探索并评估模型

Lasso 回归

为 lasso 回归缩放数据

探索 lasso 回归的惩罚系数

调优 penalty 超参数

拟合最佳模型

随机森林模型

创建完整的随机森林模型

使用特征重要性来减少数据

创建精简版随机森林

面向模型性能的特征选择

在最后一章，您将通过理解主成分如何从不同特征中提取并组合最重要的信息，来建立对特征提取的直观认识。随后学习并应用三类特征提取方法——主成分分析（PCA）、t-SNE 和 UMAP。了解如何在 tidymodels 的建模流程中，将这些特征提取方法作为预处理步骤使用。

特征提取基础——主成分

理解主成分

为主成分命名

主成分分析（PCA）

PCA：方差解释

选项

将特征映射到主成分

tidymodels 中的 PCA

t-分布随机邻域嵌入（t-SNE）

用 PCA 区分房价

用 t-SNE 区分房价

Uniform Manifold Approximation and Projection (UMAP)

用 UMAP 区分房价

在决策树模型中使用 UMAP 降维

评估 UMAP 决策树模型

总结

特征提取与模型性能

是否经常面对特征数量庞大的数据集？在本课程中，您将学习多种降维技术，帮助您在保持良好预测性能的同时，简化数据以及基于数据构建的模型。降维是数据科学中的"奥卡姆剃刀"。通过使用 R，您将学习如何识别并移除特征，如何将多个特征提取为信息最丰富的精炼组件，以及如何用真实世界的数据在不显著牺牲性能的前提下构建更少特征的模型。

你是否曾经处理过特征数量多得令人不知所措的数据集？你真的需要所有那些功能吗？哪些是最重要的？在本课程中，您将学习降维技术，这些技术将帮助您简化数据以及您用数据构建的模型，同时保留原始数据中的信息并保持良好的预测性能。 <br> <br>

<h2>为什么学习降维？</h2> <br><br>

我们生活在信息时代——一个信息过载的时代。 从数据中提取关键信息的能力是一项极具市场价值的技能。 模型在减少的数据上训练更快。 在生产环境中，更小的模型意味着更快的响应时间。 或许最重要的是，更小的数据和模型通常更容易理解。 降维是数据科学中的奥卡姆剃刀。 <br><br>

<h2>你将在这门课程中学到什么？</h2><br><br>

特征选择与特征提取的区别！使用 R，您将学习如何识别并移除信息量低或冗余的特征，保留信息量最大的特征。 这就是特征选择。 您还将学习如何将特征组合提取为包含最大信息的压缩组件。 这就是特征提取！<br><br>

但最重要的是，借助 R 的新 tidymodel 包，你将使用真实世界数据构建特征更少、却不会显著牺牲性能的模型。

Modeling with tidymodels in R

R 中的降维

学习 R 中的降维技术，掌握特征选择和特征提取，用于你自己的数据和模型。

机器学习科学家 在 R 中

为主成分命名

R 中的降维

动手互动练习