【机器学习】数据降维

非负矩阵分解(NMF)

sklearn.decomposition.NMF

找出两个非负矩阵，即包含所有非负元素(W，H)的矩阵，其乘积近似于非负矩阵x。这种因式分解可用于例如降维、源分离或主题提取。

主成分分析(PCA)

sklearn.decomposition.PCA

使用数据的奇异值分解将数据投影到较低维度空间的线性降维。在应用奇异值分解之前，输入数据居中，但不对每个特征进行缩放。

快速的独立分量分析算法(FastICA)

sklearn.decomposition.FastICA

一种快速的独立分量分析算法。

截断奇异值分解(TruncatedSVD)

sklearn.decomposition.TruncatedSVD

使用截断奇异值分解(又名LSA)进行降维。
这种变换器通过截断奇异值分解(SVD)来执行线性降维。与PCA相反，该估计器在计算奇异值分解之前不将数据居中。这意味着它可以有效地处理稀疏矩阵。

参考链接

sklearn.decomposition