最先进的维数算法答案

【问题标题】：state-of-the-art of dimensionality algorithms最先进的维数算法
【发布时间】：2011-07-14 03:09:31
【问题描述】：

我们知道有一些算法可以降低数据集的维度，例如 PCA 和 Isomap

什么是最先进的减少数据集的维度。
您有示例吗，可能在 MATLAB 上？

假设我们有一个包含 100,000 个属性的数据集，例如 Dorothea Data Set （由结构分子特征表示的化学化合物必须分为活性（与凝血酶结合）或非活性。这是 NIPS 2003 特征选择挑战的 5 个数据集之一。）

Data Set Characteristics:   Multivariate

Number of Instances:        1950

Area:                       Life

Attribute Characteristics:  Integer

Number of Attributes:       100000

Date Donated                2008-02-29

Associated Tasks:           Classification

Missing Values?             N/A

Number of Web Hits:         17103

【问题讨论】：

标签： matlab artificial-intelligence data-mining dimensions

【解决方案1】：

特定于Matlab，你可以从他们Statistics Toolbox的手册中获取一些想法。

查找特征选择和特征转换部分。另外，我会尝试 SVD、FastMap 和 RobustMap。您需要阅读一些关于每一个的内容，然后决定哪一个最适合您的数据。

【讨论】：

【解决方案2】：

最大方差展开是当今特别流行的技术。一种名为 Structure Preserving Embedding 的类似方法在 ICML 2009 上获得了最佳论文。其他一些技术包括 Laplacian Eigenmaps、Locally Linear Embedding 和 Kernel PCA。

【讨论】：