第二种无监督学习问题----维数约减
使用维数约简的原因：数据压缩。数据压缩不仅通过压缩数据使得数据占用更少的计算机内存和硬盘空间，它还能给算法提速。
具体：将非常冗余的多维特征向量进行映射成少维度的特征变量。
举例：二维数据降到一维/三维数据降到二维
通过把所有原始的样本映射到这条绿线上，来近似原始的数据集。那么就只需要一个数字来确定这条线上一个点的位置。（表示长度的单位厘米、英寸，两个特征向量整合成一个）
维数约减
把所有数据投影到一个二维平面上
维数约减
2019-01-22 无监督学习问题----维数约减
©著作权归作者所有,转载或内容合作请联系作者
【社区内容提示】社区部分内容疑似由AI辅助生成，浏览时请结合常识与多方信息审慎甄别。
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。
【社区内容提示】社区部分内容疑似由AI辅助生成，浏览时请结合常识与多方信息审慎甄别。
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。
相关阅读更多精彩内容
- 一前言 特征值 奇异值 二奇异值计算 三PCA 1）数据的向量表示及降维问题 2）向量的表示及基变换 3）基向量 ...
- （第一部分 机器学习基础）第01章 机器学习概览第02章 一个完整的机器学习项目（上）第02章 一个完整的机器学习...
