下载掌阅APP，畅读海量书库
立即打开
当前的健康医疗大数据中，很多数据都是高维数据，如图像数据、语言信号数据和基因组等组学数据，这些数据的变量个数远远大于样本量。在给定精度下，准确地对某些变量的函数进行估计，所需计算量会随着变量维度的增加呈指数形式增长，这也就是常说的维度灾难（dimensionality curse，DC）问题。如果能把高维数据的维度降低，并且使数据点的关系与原高维空间里的关系保持不变或近似，就可以对数据进行可视化并直观地观察数据情况。此外，数据经过降维后，如果保留了原有数据的主要信息，用降维后的数据进行机器学习模型的训练和预测，效率也将大大提高。因此，降维的意义就在于克服维度灾难、获取本质特征、节省存储空间、去除噪声并实现数据的可视化。降维方法可以分为线性降维和非线性降维，本章结合具体案例介绍三种降维方法：LASSO、随机森林和弹性网。