【机器学习】降维方法

降维的作用： 降低时间复杂度和空间复 节省了提取不必要特征的开销 去掉数据集中夹杂的噪 较简单的模型在小数据集上有更强的鲁棒性 当数据能有较少的特征进行解释，我们可以更好 的解释数据，使得我们可以提取知识。 实现数据可视化   线性降维方法： 主成分分析（PCA）、线性判别分析（LDA）、奇异值分解（SVD）、因子分析、独立成分分析 非线性降维方法： 局部线性嵌入（LLE）、拉普拉斯特征映射（La

>>阅读原文<<