-
主成成分分析(PCA)
-
线性判别分析(Linear Discriminant Analysis,LDA)
映射后类内方差最小,类间方差最大 -
局部线性嵌入(Locally Linear Embedding,LLE)
Isomap求全局最优解,LLE算法计算量较小 -
多维缩放(Multidimensional Scaling,MDS)
非线性降维
在降维的同时尽量保持欧式距离不变 -
等度量映射(Isometric Mapping,Isomap)
属于流形学习
认为低维流形嵌入高维空间后,低维流形两点间的距离是测地线距离(geodesic)
利用两点间的最短路径来近似两点间的测地线距离。因此,当空间中的数据点稠密时,近似效果较好,误差较小;当数据点稀疏时,效果就不太好。 -
局部保留投影(Locality Preserving Projections,LPP)
属于流形学习
线性降维
降维的同时保留局部近邻节点的信息 -
拉普拉斯特征映射(Laplacian Eigenmaps,LE)
属于流形学习
非线性的降维方法
降维的同时保留局部近邻节点的信息
常见的特征降维方法
最新推荐文章于 2024-05-16 13:34:37 发布