问用主成分分析法展开维数

EN

只有当由流形学习( the )创建的嵌入捕捉到特征本身不具备的信息时，您的算法才能工作。

正如注释中提到的，如果使用the，则必须对相同的数据进行拟合和预测，从而导致泄漏。另一种选择是使用UMAP，所以您的方法是：

对于K (number_of_folds)：

1. 将UMAP安装在火车上，不包括目标变量。
2. 将UMAP的输出作为U新列添加到完整的数据集中，U是UMAP的映射维度。
3. 在K-1折叠上训练您的机器学习模型。
4. 评估K折叠上的机器学习模型。

这种方法让我觉得是一种糟糕的做法，因为它立刻摧毁了拥有任何独立测试数据的希望，从而对算法性能进行了公正的测量。通过合并所有数据并执行the，您将生成在培训和测试数据中都具有解释力的the功能。无论之后如何分割数据，都不可能有真正独立的测试数据，因为所有的数据首先都用于定义特性。

看到这种方法的性能统计数据有了明显的改善，我一点也不感到惊讶，因为这是一种偏颇的方法，它“窥探”了测试数据，而且可能过于乐观。在分割成火车/测试数据集之前，您不应该执行特征选择/降维，否则，您将使用测试数据污染过程，而测试数据只应在模型建立之后使用。将测试数据用于测试以外的任何东西(在这种情况下，降维)将在评估中引入偏差。