機器學習面試-降維算法LDA和PCA（白板推導）

降維算法分爲： 1.直接降維， 特徵選擇 2. 線性降維， PCA， MDS等 3. 分流線， 流線包括lsomap , LLE等 降維的目的： 1. 減少預測變量的個數 2. 確保這些變量是相互獨立的 3. 數據在低緯度時候更容易處理， 更容易使用 4. 去除噪數據噪聲 5. 降低算法的運算開銷 1. 線性判別分析LDA LDA的 核心思想就是投影后類內方差小， 類間方差最大 LDA算法的優缺點

>>阅读原文<<