深度学习100问7-向量降维的算法有那些

一、主成分分析（PCA）
 
PCA 就像你整理一堆考试成绩单。假如成绩单上有好多科目成绩，这就像一个高维向量。但有些科目成绩关系很紧密，比如数学好的同学一般物理也不错，化学也还行。那 PCA 就会找这些成绩单里最主要的特点，把关系近的科目合成几个新的“大科目”。这样就把原来很多科目的高维向量变成几个“大科目”的低维向量啦。
 
二、奇异值分解（SVD）
 
SVD 呢，就好比你有一本很厚的书。书的每一页上的字可以看成一个矩阵的元素。SVD 能像个魔法师一样把这本书拆成几个重要的部分。我们可以扔掉一些不那么重要的部分，这样就得到一本薄一点的书啦，也就是把高维的东西变成了低维的。
 
三、t -分布随机邻域嵌入（t - SNE）
 
t - SNE 主要是为了把高维数据变得能让人看明白。想象你有很多不同颜色的气球，每个气球代表一个高维数据点。t - SNE 会想办法把这些气球放在一个平面上，让原来在高维空间里离得近的气球在平面上也靠近，离得远的气球也离得远。这样我们一看这个平面，就能清楚地知道数据的分布情况，既降维了，又方便我们理解数据。