之所以使用降维后的数据表示是因为在原始的高维 空间中，包含有冗余信息以及噪音信息，在实际应 用列如图像识别中造成了误差，降低了准确率；而 通过降维，我们希望减少冗余信息所造成的误差提 高识别（或其他应用）的精度。希望通过降维算法 来寻找数据内部的本质结构特征
之所以使用降维后的数据表示是因为在原始的高维 空间中，包含有冗余信息以及噪音信息，在实际应 用例如图像识别中造成了误差，降低了准确率；而 通过降维,我们希望减少冗余信息所造成的误差,提 高识别（或其他应用）的精度。希望通过降维算法 来寻找数据内部的本质结构特征
在很多算法中，降维算法成为了数据预处理的一部分， 如PCA。事实上，有一些算法如果没有降维预处理，其 实是很难得到很好的效果的
在很多算法中，降维算法成为了数据预处理的一部分， 如PCA。事实上，有一些算法如果没有降维预处理，其 实是很难得到很好的效果的
两大方法 变量选择：变量选择假定数据中包含大量冗 余或无关变量（或称特征、属性、指标等）， 旨在从原有变量中找出主要变量
两大方法 变量选择：变量选择假定数据中包含大量冗 余或无关变量（或称特征、属性、指标等）， 旨在从原有变量中找出主要变量
特征提取：特征提取可以看作变量选择方法 的一般化：变量选择假设在原始数据中，变 量数目浩繁，但只有少数几个真正起作用； 而特征提取则认为在所有变量可能的函数（比 如这些变量各种可能的线性组合)中，只有少 数几个真正起作用
特征提取：特征提取可以看作变量选择方法 的一般化：变量选择假设在原始数据中，变 量数目浩繁，但只有少数几个真正起作用； 而特征提取则认为在所有变量可能的函数(比 如这些变量各种可能的线性组合)中，只有少 数几个真正起作用
章节 四大降维算法 2
章节 四大降维算法 2