机器学习面试-降维算法LDA和PCA（白板推导）

降维算法分为： 1.直接降维， 特征选择 2. 线性降维， PCA， MDS等 3. 分流线， 流线包括lsomap , LLE等 降维的目的： 1. 减少预测变量的个数 2. 确保这些变量是相互独立的 3. 数据在低纬度时候更容易处理， 更容易使用 4. 去除噪数据噪声 5. 降低算法的运算开销 1. 线性判别分析LDA LDA的 核心思想就是投影后类内方差小， 类间方差最大 LDA算法的优缺点

>>阅读原文<<