Giới thiệu tài liệu
Tài liệu này là một thống kê về việc học máy và quan tám chọn tính năng, giảm chiều rộng. Nó bắt đầu với giới thiệu về việc học máy, bao gồm phương pháp học dẫn đại số (supervised learning) và chủ động (unsupervised learning). Nó cũng nêu quan trọng của việc chọn tính năng trong giảm đau ngực chiều rộng.
Đối tượng sử dụng
Đối tượng mong muốn đó là sinh viên, nhà nghiên cứu về máy tính và các doanh nghiệp sử dụng kỹ thuật học máy
Nội dung tóm tắt
Tài liệu cho biết rằng việc học máy là một kỹ thuật quan trọng để giải quyết các vấn đề thực tế. Nó bắt đầu với một sơ lược về việc học máy, trong đó nó giới thiệu cả phương pháp học dẫn đại số (supervised learning) và chủ động (unsupervised learning). Nó cũng đề cập đến quan trọng của việc chọn tính năng, bao gồm cả việc giảm chiều rộng và phân loại dữ liệu. Nó cũng mô tả rõ hơn về một số phương pháp chọn tính năng, bao gồm filter models, wrapper models, và embedded models. Nó còn giới thiệu về các phương pháp giảm chiều rộng, như Principal Component Analysis (PCA) và Eigenface. Tài liệu cũng đề cập đến một số khó khăn trong việc chọn tính năng và giảm chiều rộng, bao gồm thuật toán kết nối dữ liệu (linked data). Tài liệu cũng giới thiệu hai sự kiện để xử lý linked data w.r.t. chọn tính năng cho phân loại: LinkedFS và FSNet.
