ESL读书笔记14章：无监督学习之SOM，PCA，NMF，FA，ICA，MDS，ISOMAP，Local MDS

笔者自己的理解，无监督学习是挖掘数据自身的分布，找出一种低维的具有代表性或者某种性质的子空间（流形）。SOM是一种加约束的k-means，既可以看做是寻找具有代表性的特征点，也可以看做是寻找具有代表性的二维流形曲面。PCA是非常经典的最小化投影误差的子空间，也可以看做最大化投影方差的子空间。NMF则是基于假设最大化似然的同时，限制基向量非负。FA也是寻找某种子空间，目的是得到uncorrelate

>>阅读原文<<