【学习笔记】一些数据降维方法

4年前更新

1940

数据降维即将多维数据降为低维，代表性的方法有主成因分析（PCA，principal component analysis）、局部线性嵌入（LLE,locally linear embedding）和拉普拉斯特征映射（Laplacian eigen-map）。

主成因分析（PCA）

在介绍PCA之前，首先需要了解一些线性代数的基本概念：

特征值与特征向量

对于一个n阶矩阵A和实数 $\lambda$ ，如果能找到一个非零向量x满足:

Ax = \lambda x

© 版权声明

文章版权归作者所有，未经允许请勿转载。

THE END

喜欢就支持一下吧

相关推荐