© 1999-2048 dssz.net 粤ICP备11031372号
[其它] dimension-reduction-algorithms:常用降维算法的复现和比较,包括LDA,QDA,PCA,MDS,Isomap,LLE-源码
说明:降维算法 一,介绍 在高维层次下会出现数据样本稀疏,距离计算困难等问题,是所有机器学习方法面临的严峻考验,称为“维数灾难”(维数诅咒)。 ,即通过某种数学变换将数据映射到一个低维空间,在这个低维空间里,数据的密度大大地提高,距离计算更加容易。 二,分类 降维算法可以按照是否有监督,变换是否是线性的细分四类: 无监督的线性降维算法,某种 无监督的非线性降维算法,某些 , , , 有监督的线性降维算法,某种 有监督的非线性降维算法(缺) 注意:此处线性指的是高维空间->低维空间是线性的。M<weixin_42118423> 在 上传 | 大小:1048576