第5章　通過降維壓縮數(shù)據(jù)

在第4章中，我們介紹了利用不同的特征選擇技術(shù)來降低數(shù)據(jù)集維度的各種方法。特征提取是特征選擇之外實(shí)現(xiàn)降維的另一種方法。本章將學(xué)習(xí)三種基本技術(shù)，它們有助于通過將數(shù)據(jù)集變換到新的低維特征子空間來概括數(shù)據(jù)集的信息內(nèi)容。數(shù)據(jù)壓縮是機(jī)器學(xué)習(xí)的一個(gè)重要課題，它有助于存儲(chǔ)和分析現(xiàn)代科技時(shí)代所產(chǎn)生和收集的大量數(shù)據(jù)。

本章將主要涵蓋下述幾個(gè)方面：

• 無監(jiān)督數(shù)據(jù)壓縮的主成分分析（principal component analysis, PCA）。
• 以線性判別分析（linear discriminant analysis, LDA）作為最大化類可分性的監(jiān)督降維技術(shù)。
• 利用核主成分分析（kernel principal component analysis, KPCA）進(jìn)行非線性降維。