高维数据降维算法综述

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘要：数据降维是有效使用高维数据的第一步。文章分类介绍了几种具有代表性的数据降维算法，包括线性降维算法如主成分分析（PCA）和线性判别分析（LDA），以及非线性降维算法如核主成分分析（KPCA）、局部线性嵌入（LLE）、等距特征映射（Isomap）和基于自编码器的降维方法。文章重点阐述了这些降维算法的基本思想和计算方法，并分析了各自的优缺点，最后对目前降维算法研究中存在的问题进行了剖析。（剩余1098字）

试读结束

目录
monitor