吴恩达机器学习笔记（12）——降维（Dimensionality Reduction）

这里介绍第二种无监督学习方法，叫做降维（Dimensionality Reduction）

一、目标1：数据压缩Data Compression

由于可能存在许多冗余特征量，或者说特征高度相关，所以需要减少特征量的数量。

so如果允许我们通过投影这条绿线上所有的原始样本，来近似原始的数据集，那么我只需要用一个数就能表示每个训练样本的位置，这样就能把内存的需求减半，同时这将允许我们的学习算法运行的更快。

---

---

---

二、目标2可视化Visualization

进行数据降维处理，我们可以容易地实现高维数据可视化——将其降为三维甚至二维。这种情况下我们需要找到新的特征量​z1,z2(and perhaps z3)​来概括其他特征量。

例如：有一百多种关于国家经济的特征量，我们也许可以把它们概括为新的特征量“经济活跃度”