【Python机器学习基础教程】第三章第四节:降维、特征提取与流形学习

降维、特征提取与流形学习

  • 主成分分析
  • 非负矩阵分解
  • 用t-SNE进行流形学习

前面讨论过,利用无监督学习进行数据变换可能有很多种目的。最常见的目的就是可视化、压缩数据,以及寻找信息量更大的数据表示以用于进一步的处理。
为了实现这些目的,最简单也最常用的一种算法就是主成分分析。我们也将学习另外两种算法:非负矩阵分解(NMF)和 t-SNE,前者通常用于特征提取,后者通常用于二维散点图的可视化。

主成分分析

非负矩阵分解

用t-SNE进行流形学习

你可能感兴趣的:(Python机器学习基础教程,机器学习,python,无监督学习)