为什么算法笔记被称为晴神_吴恩达《Machine Learning》精炼笔记 9：PCA 及其 Python 实现...

作者：Peter

红色石头的个人网站：

红色石头的个人博客-机器学习、深度学习之路​www.redstonewill.com

系列文章：

吴恩达《Machine Learning》精炼笔记 1：监督学习与非监督学习

吴恩达《Machine Learning》精炼笔记 2：梯度下降与正规方程

吴恩达《Machine Learning》精炼笔记 3：回归问题和正则化

吴恩达《Machine Learning》精炼笔记 4：神经网络基础

吴恩达《Machine Learning》精炼笔记 5：神经网络

吴恩达《Machine Learning》精炼笔记 6：关于机器学习的建议

吴恩达《Machine Learning》精炼笔记 7：支持向量机 SVM

吴恩达《Machine Learning》精炼笔记 8：聚类 KMeans 及其 Python实现

在本文中主要介绍的是数据降维相关的内容，重点讲解了PCA算法

• 为什么要实施降维
  • 数据压缩
  • 数据可视化
• PCA算法
  • PCA和线性回归算法的区别
  • PCA算法特点
  • Python实现PCA
• sklearn中实现PCA

为何降维

在现实高维数据情况下，会有数据样本稀疏、距离计算困难等问题，被称为维数灾难。

解决的方法就是降维，也称之为“维数约简”，即通过某种数据方法将原始高维属性空间转成一个低维“子空间”。在这个子空间中，样本密度大大提高，将高维空间中的一个低维“嵌入”。

降维Dimensionality Reduction

数据降维主要是有两个动机：

• 数据压缩Data Compression
• 数据可视化Da