四大机器学习降维算法：PCA、LDA、LLE、Laplacian Eigenmaps.pdfVIP

机器学习领域中所谓的降维就是指采用某种映射方法，将原高维空间中的数据点 映射到低维度的空间中。降维的本质是学习一个映射函数 f : x-y，其中x 是原 始数据点的表达，目前最多使用向量表达形式。 y 是数据点映射后的低维向量 表达，通常y 的维度小于x 的维度（当然提高维度也是可以的）。f 可能是显式 的或隐式的、线性的或非线性的。 目前大部分降维算法处理向量表达的数据，也有一些降维算法处理高阶张量表达 的数据。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