引言： 　　機器學習領域中所謂的降維就是指采用某種映射方法，將原高維空間中的數據點映射到低維度的空間中。降維的本質是學習一個映射函數 f : x->y，其中x是原始數據點的表達，目前最多使用向量表達形式。 y是數據點映射后的低維向量表達，通常y的維度小於x的維度（當然提高維度也是 ...

降維在機器學習里面再正常不過了，這里總結了降維的一些方法，主要參考了陳利人老師的“數據分析領域中最為人稱道的七種降維方法”（在微信公眾號看到的，無法提供鏈接，有興趣的可以搜索看原文）。不過這篇文章除了PCA，其他的降維方法多多少少有點特征工程的意思了。 缺失值比率 (Missing Values ...

原文：http://blog.csdn.net/yujianmin1990/article/details/48223001 　數據的形式是多種多樣的，維度也是各不相同的，當實際問題中遇到很高的維度時，如何給他降到較低的維度上？前文提到進行屬性選擇，當然這是一種很好的方法，這里另外提供一種從高 ...

降維 在很多機器學習問題中，訓練集中的每條數據經常伴隨着上千、甚至上萬個特征。要處理這所有的特征的話，不僅會讓訓練非常緩慢，還會極大增加搜尋良好解決方案的困難。這個問題就是我們常說的維度災難。 不過值得慶幸的是，在實際問題中，經常可以極大地減少特征的數目，將棘手的問題轉變為容易處理的問題 ...

在很多應用領域，例如模式識別，語義分析，文本分類等等，通常是高維的數據。在這種情況下，降維是一個有效的處理這些數據的方法。到目前為止，出現了很多的降維方法，可分為三大類，無監督、監督、半監督。監督的降維方法主要包括線性判別分析（LDA），邊緣Fisher分析（MFA），最大邊緣准則（MMC）。無 ...

原文地址：https://elitedatascience.com/dimensionality-reduction-algorithms 歡迎閱讀我們的現代機器學習算法的第2部分。 在這一部分中，我們將介紹降維的方法，進一步分為特征選擇和特征提取。 通常，這些任務很少單獨執行。 相反，他們通常 ...

圖1、細胞亞型的鑒定及分析（Stegle et al. NATURE REVIEWS | GENETICS, 2015） 隨着單細胞測序技術的發展，每個研究或實 ...

圖1、細胞亞型的鑒定及分析（Stegle et al. NATURE REVIEWS | GENETICS, 2015） 隨着單細胞測序技術的發展，每個研究或實驗中測定的細胞數量在顯著增加 ...