关于数据降维的一些经典算法

机器学习以及人工智能的学习需要扎实的数学功底才能走的更远，爬的更高，所以打好数学基础是关键，但无论工作学习都没有充足的时间去拿着书本一个字一个字的去学习了，这里我建议大家找几个比较靠谱入门的机器学习或者人工智能学习平台，一定要系统全面的去学习才能有效果，不要半途而废，在此推荐一个我看过的小白人工智能入门教程，零基础教程，简单通俗易懂，风趣幽默，由浅及深，点击这里可以直达：人工智能入门基础教程
#数据降维

0 前言

降维方法可分为有监督降维方法、半监督降维方法、无监督降维方法。

有监督的降维 方法有：线性判别式分析（Linear discriminant analysis, LDA）; 边缘Fisher分析（Marginal fisher analysis，MFA）;最大边缘准则（Maximum margin criterion, MMC）等。

无监督的降维 方法有：主成分分析（Principal component analysis, PCA）, 近邻保持投影（Neighborhood preserving embedding, NPE)，局部保持投影（Locality preserving projections, LPP），稀疏保持投影（SPP）等。

半监督的降维 方法有：半监督降维（Semi-supervised dimensionality reduction, SSDR）, 半监督判别式分析（Semi-supervised discriminant analysis，SDA）等。

未完待续，，，
有时间写详细的各算法详细分析

机器学习以及人工智能的学习需要扎实的数学功底才能走的更远，爬的更高，所以打好数学基础是关键，但无论工作学习都没有充足的时间去拿着书本一个字一个字的去学习了，这里我建议大家找几个比较靠谱入门的机器学习或者人工智能学习平台，一定要系统全面的去学习才能有效果，不要半途而废，在此推荐一个我看过的小白人工智能入门教程，零基础教程，简单通俗易懂，风趣幽默，由浅及深，点击这里可以直达：人工智能入门基础教程