特征降维
特征降维是无监督学习的另一个应用,有两个目的:
1.会在实际项目中遭遇特征维度非常高的训练样本,往往无法借助自己的领域知识人工构建有效特征;
2.在数据表现方面,无法用肉眼观测超过三个维度的特征。
特征降维不仅重构来有效的低维度特征向量,同时也为数据展现提供了可能。在特征降维的方法中,主成分分析(Principal Component Analysis)是最经典和实用的特征降维技术,特别在辅助图像识别方面有突出表现。
PCA-主成分分析
下面沿用“手写数字图像”的全集数据。
Python源码:
#coding