如何在无监督学习中使用特征选择和降维？

Question

我一直致力于对来自两位作者的电子邮件进行分类。我已经成功地使用监督学习以及文本的 TFIDF 矢量化、PCA 和 SelectPercentile 特征选择来执行相同的操作。我使用 scikit-learn 包来实现相同的目的。

现在我想尝试使用无监督学习 KMeans 算法将电子邮件分为两组。我创建了数据集，其中我将每个数据点作为 python 列表中的一行。由于我是无监督的新手，所以我想问一下我是否可以应用与监督中使用的相同的降维工具（TFIDF、PCA 和 SelectPercentile）。如果不是，那么他们的对手是什么？我正在使用 scikit-learn 对其进行编码。

我在 stackoverflow 上环顾四周，但没有得到满意的答案。 我真的被困在这一点上。

请帮忙！

Answer 1

以下是可应用于无监督学习的降维技术：-

1. PCA：主成分分析
   • 精确的 PCA
   • 增量 PCA
   • 近似 PCA
   • 内核 PCA
   • SparsePCA 和 MiniBatchSparsePCA
2. 随机投影
   • 高斯随机投影
   • 稀疏随机投影
3. 特征集聚
   • 标准定标器

上面提到的一些方法可用于在无监督学习的情况下对大量数据进行降维。 您可以阅读更多详情here。