机器学习应用之降维介绍课件.pptxVIP

演讲人;目录;1;降维的概念;降维的目的;主成分分析（PCA）：通过线性变换将数据降维，保持数据最大方差

线性判别分析（LDA）：通过线性变换将数据降维，最大化类间差异，最小化类内差异

核主成分分析（KPCA）：通过非线性映射将数据降维，保持数据最大方差

局部线性嵌入（LLE）：通过保持局部邻域结构来降维

等度量映射（Isomap）：通过保持测地距离来降维

拉普拉斯特征映射（LE）：通过保持局部邻域结构来降维

随机投影（RP）：通过随机投影将数据降维，保持数据最大方差

多维缩放（MDS）：通过保持原始数据点之间的距离来降维

自动编码器（AE）：通过无监督学习来学习数据的低维表示

稀疏编码（SC）：通过稀疏表示来学习数据的低维表示

;2;主成分分析（PCA）;线性判别分析（LDA）;局部线性嵌入（LLE）;3;数据预处理;特征选择;模型优化;4;手写数字识别;语音识别;图像识别;谢谢