2021年9月22日
9月21日 笔记
摘要： 特征少，可解释性不强，特征多可以提供更多的信息用来描述问题 数据特征维度成千上万但是样本量稀少，就属于高维小样本数据集，容易过拟合，特征维度越大，训练时需要的样本量会呈指数形式增长 如果获取的样本量很少，有限样本或者是小样本呢会导致高维空间数据稀疏，随着特征维数的增加，基于距离的测度的作用会被消弱。 阅读全文
posted @ 2021-09-22 13:57 wshf 阅读(108) 评论(0) 推荐(0) 编辑