【機器學習】降維方法

降維的作用： 降低時間複雜度和空間復 節省了提取不必要特徵的開銷 去掉數據集中夾雜的噪 較簡單的模型在小數據集上有更強的魯棒性 當數據能有較少的特徵進行解釋，我們可以更好 的解釋數據，使得我們可以提取知識。 實現數據可視化   線性降維方法： 主成分分析（PCA）、線性判別分析（LDA）、奇異值分解（SVD）、因子分析、獨立成分分析 非線性降維方法： 局部線性嵌入（LLE）、拉普拉斯特徵映射（La

>>阅读原文<<