概述
降维，就是降低特征的维数。假如每个样本有1000维的特征，通过降维可以用100维的特征来代替原来1000维的特征。
1.降维的好处一：数据压缩
数据压缩后不仅使得数据占用较少的计算机内存或磁盘空间，也对学习算法进行了加速。
例如将数据从三维降至二维：
将三维向量投射到一个二维的平面上，使得所有的数据都在同一个平面上，降至二维的特征向量。
2.降维的好处二：可视化
通过降维得到更直观的视图。但问题在于降维的算法只负责减少维数，新产生的特征的意义就必须由自己去发现。
3.主成分分析（PCA）问题
最常见的降维算法是主成分分析。
PCA是寻找一个低维的空间对数据进行投影，以便最小化投影误差的平方（最小化每个点与投影后的对应点之间的距离的平方值 ）
例如：
最后
以上就是纯真老虎为你收集整理的【吴恩达机器学习】降维的全部内容，希望文章能够帮你解决【吴恩达机器学习】降维所遇到的程序开发问题。
如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。
本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。
发表评论 取消回复