特徵選擇與稀疏學習——機器學習(周志華)

原文鏈接 上篇主要介紹了經典的降維方法與度量學習，首先從「維數災難」導致的樣本稀疏以及距離難計算兩大難題出發，引出了降維的概念，即通過某種數學變換將原始高維空間轉變到一個低維的子空間，接着分別介紹了kNN、MDS、PCA、KPCA以及兩種經典的流形學習方法，k近鄰算法的核心在於k值的選取以及距離的度量，MDS要求原始空間樣本之間的距離在降維後的低維空間中得以保持，主成分分析試圖找到一個低維超平面來

>>阅读原文<<