基于t-SNE 特征降维和K 近邻的分类算法
打开文本图片集
摘要：针对使用机器学习和深度学习算法进行分类、识别任务时容易出现维度灾难的问题，本文提出了一种基于t-SNE特征降维与K近邻的分类算法。首先，分别使用主成分分析法（PCA） 和t-SNE算法对特征数据进行降维，然后利用K近邻算法进行分类预测。在手写数字数据集和鸢尾花数据集上进行了实验。实验结果表明，本文提出的基于t-SNE特征降维与K近邻的分类算法在手写数字数据集上的准确率达到98%，比PCA算法高出约20%；在鸢尾花数据集上的准确率为97%。（剩余4701字）