降维算法综述：PCA、LDA与NMF应用.pdfVIP

相关背景

数据降维

数据降维的方法

PCA降维

LDA线性判别

NMF非负矩阵分解

LLE局部线性嵌入降维算法

相关背景

在许多领域的研究与应用中，通常需要对含有多个变量的数据进行观测，收集大量数据后进行分析

研究寻找规律。多变量大数据集无疑会为研究和应用丰富的信息，但是也在一定程度上增加了

数据的工作量。更重要的是在很多情形下，多变量之间可能存在相关性，从而增加了问题分析

的复杂性。如果分别对每个指标进行分析，分析往往是孤立的，不能完全利用数据中的信息，因此

盲目减少指标会损失很多有用的信息，从而产生错误的结论。

因此需要找到一种合理的方法，在减少需要分析的指标同时，尽量减少原指标包含信息的损失，以

达到对所收集数据进行全面分析的目的。由于各变量之间存在一定的相关关系，因此可以考虑将关

系紧密的变量变成尽可能少的新变量，使这些新变量是两两不相关的，那么就可以用较少的综合指

标分别代表存在于各个