【吴恩达机器学习】降维
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
