引言： 　　机器学习领域中所谓的降维就是指采用某种映射方法，将原高维空间中的数据点映射到低维度的空间中。降维的本质是学习一个映射函数 f : x->y，其中x是原始数据点的表达，目前最多使用向量表达形式。 y是数据点映射后的低维向量表达，通常y的维度小于x的维度（当然提高维度也是 ...

降维在机器学习里面再正常不过了，这里总结了降维的一些方法，主要参考了陈利人老师的“数据分析领域中最为人称道的七种降维方法”（在微信公众号看到的，无法提供链接，有兴趣的可以搜索看原文）。不过这篇文章除了PCA，其他的降维方法多多少少有点特征工程的意思了。 缺失值比率 (Missing Values ...

原文：http://blog.csdn.net/yujianmin1990/article/details/48223001 　数据的形式是多种多样的，维度也是各不相同的，当实际问题中遇到很高的维度时，如何给他降到较低的维度上？前文提到进行属性选择，当然这是一种很好的方法，这里另外提供一种从高 ...

降维 在很多机器学习问题中，训练集中的每条数据经常伴随着上千、甚至上万个特征。要处理这所有的特征的话，不仅会让训练非常缓慢，还会极大增加搜寻良好解决方案的困难。这个问题就是我们常说的维度灾难。 不过值得庆幸的是，在实际问题中，经常可以极大地减少特征的数目，将棘手的问题转变为容易处理的问题 ...

在很多应用领域，例如模式识别，语义分析，文本分类等等，通常是高维的数据。在这种情况下，降维是一个有效的处理这些数据的方法。到目前为止，出现了很多的降维方法，可分为三大类，无监督、监督、半监督。监督的降维方法主要包括线性判别分析（LDA），边缘Fisher分析（MFA），最大边缘准则（MMC）。无 ...

原文地址：https://elitedatascience.com/dimensionality-reduction-algorithms 欢迎阅读我们的现代机器学习算法的第2部分。 在这一部分中，我们将介绍降维的方法，进一步分为特征选择和特征提取。 通常，这些任务很少单独执行。 相反，他们通常 ...

图1、细胞亚型的鉴定及分析（Stegle et al. NATURE REVIEWS | GENETICS, 2015） 随着单细胞测序技术的发展，每个研究或实 ...

图1、细胞亚型的鉴定及分析（Stegle et al. NATURE REVIEWS | GENETICS, 2015） 随着单细胞测序技术的发展，每个研究或实验中测定的细胞数量在显著增加 ...