四大降维算法的比较和一些理解（PCA、LDA、LLE、LEP）

1. PCA

Principle components analysis
主成分分析法：https://blog.csdn.net/weixin_43909872/article/details/85321384
它的目标是通过某种线性投影，将高维的数据映射到低维的空间中表示，并期望在所投影的维度上数据的方差最大，以此使用较少的数据维度，同时保留住较多的原数据点的特性。
缺点：PCA是用投影后方差大小来决定如何投影，比如下图，第二种投影显然数据方差更大，但本来应该被分开的两块数据融为一体了。投影以后对数据的区分作用并不大。

2. LDA

Linear Discriminant Analysis (也有叫做Fisher Linear Discriminant)是一种有监督的（supervised）线性降维算法。与PCA保持数据信息不同，LDA是为了使得降维后的数据点尽可能地容易被区分！
LDA算法： https://www.cnblogs.com/pi