机器学习-无监督学习3

主成分分析和奇异值分解 降维分析 简单介绍 用少量的特征代替整体的特征 方法类型 主成分分析（Principal components analysis, PCA） 线性判别分析（LDA） 流形学习（局部线性嵌入-LLE，拉普拉斯特征映射） 主成分分析 概念化定义 在多元统计分析中，PCA经常用于减少数据的维数，同时保持数据集中的对方差贡献最大的特征。这是通过保留低阶主成分，忽略高阶主成分做到的。

>>阅读原文<<