降维

什么是降维?降维是一种减少数据集中特征数量的技术，目的是减少计算复杂性，同时尽量保留原始数据的重要信息。降维通常用于高维数据集，其中可能包含成千上万个特征。降维可以分为两类：一类是特征选择，指从现有特征中选择一个子集的过程，不创建新的特征；另一类是特征提取，通过转换原始特征空间以生成新的特征表示。本文主要介绍后者。

【机器学习-无监督学习】降维与主成分分析【作者主页】Francek Chen 【专栏介绍】 ⌈ ⌈ ⌈Python机器学习 ⌋ ⌋ ⌋ 机器学习是一门人工智能的分支学科，通过算法和模型让计算机从数据中学习，进行模型训练和优化，做出预测、分类和决策支持。Python成为机器学习的首选语言，依赖于强大的开源库如Scikit-learn、TensorFlow和PyTorch。本专栏介绍机器学习的相关算法以及基于Python的算法实现。【GitCode】专栏资源保存在我的GitCode仓库：https://gitcode.com/Morse_Chen

闻缺陷则喜何志丹

C++前后缀分解C++算法与数据结构打开打包代码的方法兼述单元测试这个算法很容易想到，学习了本文后，可以更快得想到。

Python实现t-分布随机邻域嵌入（t-SNE）降维算法在数据科学和机器学习中，降维技术是用于降低数据维度并且保留重要特征的关键方法。当我们处理高维数据时，常规的线性降维方法如PCA（主成分分析）可能不足以捕捉数据的非线性结构。为此，t-分布随机邻域嵌入（t-SNE）算法作为一种强大的非线性降维工具，被广泛用于高维数据的可视化和聚类分析。本文将详细介绍t-SNE算法的原理，并使用Python进行实现。我们将通过一个具体的场景来展示如何使用t-SNE算法实现降维。

深度学习中降维的几种方法笔者在搞网络的时候碰到个问题，就是将特征维度从1024降维到268，那么可以通过哪些深度学习方法来实现呢？

Blockbuater_drug

化学空间可视化(chemical space visualization)开源软件ChemPlot的安装及使用在当前人工智能（AI）引导的化学设计时代，可视化经常被用来描述数据驱动模型的适用范围。在分子数据科学中，存储在由图形、文本表示、原子坐标或其任何组合形成的化学分子表示的高维空间是的分子数据库的可视性变得复杂而不可琢磨，因此，开发化学信息数据可视化方法和工具非常必要。

Sarapines Programmer

【模式识别】解锁降维奥秘：深度剖析PCA人脸识别技术🌈个人主页：Sarapines Programmer 🔥 系列专栏：《模式之谜 | 数据奇迹解码》 ⏰诗赋清音：云生高巅梦远游，星光点缀碧海愁。山川深邃情难晤，剑气凌云志自修。

【人工智能Ⅰ】8-回归 & 降维分类任务准确率、精确率与召回率、F值、ROC-AUC、混淆矩阵、TPR与FPR回归任务MSE、MAE、RMSE

R语言：主成分分析PCA主成分分析（或称主分量分析，principal component analysis）由皮尔逊（Pearson,1901）首先引入，后来被霍特林（Hotelling,1933）发展。

随风飘摇的土木狗

【MATLAB第77期】基于MATLAB代理模型算法的降维/特征排序/数据处理回归/分类问题MATLAB代码实现【更新中】本文介绍基于libsvm代理模型算法的特征排序方法合集，包括： 1.基于每个特征预测精度进行排序（libsvm代理模型） 2.基于相关系数corr的特征排序（libsvm代理模型） 3.svmrfe_ker（二分类）【后续更新】 4.基于SVM-RFE递归特征消除的特征排序svmrfe_ori（二分类）【后续更新】