在机器学习中，数据通常需要被表示成向量形式以输入模型进行训练。但众所周知，对高维向量进行处理和分析时，会极大地消耗系统资源，甚至产生维度灾难。因此，进行降维，即用一个低维度的向量表示原始高维度的特征就显得尤为重要。常见的降维方法有主成分分析、线性判别分析、等距映射、局部线性嵌入、拉普拉斯特征映射、局部保留投影等。本章将选取比较经典的主成分分析和线性判别分析进行介绍和对比，以便读者更深入地理解降维的基本思想。
〖资源目录〗:
├──资料
| └──资料数据集代码地址.txt 5.30kb
├──01.绪论_dec.mp4 10.60M
├──02.Week1 【了解机器学习中的特征工程和模型评估】P1快速排序_dec.mp4 29.69M
├──03.Week1 【了解机器学习中的特征工程和模型评估】P2堆排序_dec.mp4 27.04M
├──04.Week1 【了解机器学习中的特征工程和模型评估】P3滑动窗口_dec.mp4 21.32M
├──05.Week1 【了解机器学习中的特征工程和模型评估】P4双指针_dec.mp4 27.71M
├──06.Week1 【了解监督学习中的经典算法】P1逻辑回归_dec.mp4 20.32M
├──07.Week1 【了解监督学习中的经典算法】P2决策树_dec.mp4 24.09M
├──08.Week2【学习支持向量机】P1几个重要的概念_dec.mp4 7.38M
├──09.Week2【学习支持向量机】P2svm最优化问题_dec.mp4 16.89M
├──10.Week2【学习支持向量机】P3硬间隔SVM最优化问题的推导_dec.mp4 37.02M
├──11.Week2【学习支持向量机】P4线性可分SVM_dec.mp4 24.51M
├──12.Week2【学习支持向量机】P5核函数_dec.mp4 23.63M
├──13.Week2【学习支持向量机】P6smo算法_dec.mp4 41.56M
├──14.Week2【数据结构和算法】P1KMP算法_dec.mp4 56.44M
├──15.Week2【数据结构和算法】P2二分搜索_dec.mp4 45.27M
├──16.Week2【数据结构和算法】P3哈希表_dec.mp4 21.86M
├──17.Week2【了解机器学习中如何降维处理】PCA和LDA_dec.mp4 42.01M
├──18.Week3【了解机器学习中的非监督学习算法】K-means_dec.mp4 37.53M
├──19.Week3【数据结构和算法】P1虚拟头结点_dec.mp4 59.31M
├──20.Week3【数据结构和算法】P2链表中环的入口结点_dec.mp4 51.58M
├──21.Week3【数据结构和算法】P3删除链表中重复的结点_dec.mp4 22.22M
├──22.Week3【数据结构和算法】P4栈，队列_dec.mp4 32.10M
├──23.Week4 【机器学习中的概率图模型】P1hmm的引出和问题的介绍_dec.mp4 27.08M
├──23.【达观杯nlp比赛】第一周第一节了解NLP任务和熟悉比赛题目-赛前介绍和准备_dec.mp4 33.68M
├──24.Week4 【机器学习中的概率图模型】P2HMM预测问题之维特比算法_dec.mp4 39.88M
├──24.【达观杯nlp比赛】第一周第一节了解NLP任务和熟悉比赛题目-赛题介绍和思路分析_dec.mp4 38.76M
├──25.Week4 【机器学习中的概率图模型】P3crf的一些基础概念_dec.mp4 24.84M
├──25.【达观杯nlp比赛】第一周第二节数据分析及处理_dec.mp4 78.21M
├──26.Week4 【机器学习中的概率图模型】P4crf具体介绍_dec.mp4 31.34M
├──26.【达观杯nlp比赛】第一周第三节——Baseline实现_dec.mp4 70.24M
├──27.Week4【数据结构和算法】P1DFS和BFS_dec.mp4 34.88M
├──27.【达观杯nlp比赛】第一周第四节 验证集构建和交叉验证_dec.mp4 77.61M
├──28.Week4【数据结构和算法】P2最短路径_dec.mp4 32.96M
├──28.【达观杯nlp比赛】第二周第一节 tensorflow2.0入门_dec.mp4 71.65M
├──29.Week4【数据结构和算法】P3最小生成树_dec.mp4 25.95M
├──29.【达观杯nlp比赛】第二周第二节词向量及word2vec简介_dec.mp4 73.13M
├──30.Week4【数据结构和算法】P4二叉树的遍历_dec.mp4 24.59M
├──30.【达观杯nlp比赛】第二周第三节深度学习baseline构建_dec.mp4 108.23M
├──31.Week4【数据结构和算法】P4二叉搜索树和平衡二叉树_dec.mp4 35.88M
├──31.【达观杯nlp比赛】第二周第四节深度学习baseline交叉验证_dec.mp4 47.23M
├──32.Week5【前向神经网络】P1网络图和激活函数_dec.mp4 9.20M
├──32.【达观杯nlp比赛】第三周第一节深度学习模型提升_dec.mp4 103.95M
├──33.Week5【前向神经网络】P2前向传播_dec.mp4 14.05M
├──33.【达观杯nlp比赛】第三周第二节模型调参和模型融合_dec.mp4 70.73M
├──34.Week5【前向神经网络】P3损失函数选用_dec.mp4 6.53M
├──35.Week5【前向神经网络】P4反向传播1_dec.mp4 20.55M
├──36.Week5【前向神经网络】P5反向传播2_dec【瑞客 论坛 www.ruike1.com】.mp4 57.35M
├──37.Week5【数据结构和算法】什么是递归(斐波那契额数列、跳台阶、变态跳台阶)_dec.mp4 38.55M
├──38.Week5【数据结构和算法】回溯法(机器人的运动范围)_dec.mp4 66.27M
├──39.Week5【数据结构和算法】什么是动态规划(leetcode 70题)_dec.mp4 18.30M
├──40.Week5【数据结构和算法】01背包问题_dec.mp4 47.05M
├──41.Week5【数据结构和算法】leetcode416（01背包实例）_dec.mp4 36.41M
├──42.Week5【数据结构和算法】最长公共子序列(leetcode 1143题)_dec.mp4 27.30M
├──43.Week5【数据结构和算法】最长上升子序列(leetcode 300题)_dec.mp4 24.12M
├──44.Week5【了解序列数据中常用的循环神经网络】P1RNN_dec.mp4 22.47M
├──45.Week5【了解序列数据中常用的循环神经网络】P2GRU和LSTM_dec.mp4 11.63M
├──46.Week6【集成学习的原理和常见的集成学习】P1提升树算法_dec.mp4 25.66M
├──47.Week6【集成学习的原理和常见的集成学习】P2梯度提升树算法_dec.mp4 26.23M
├──48.Week6【集成学习的原理和常见的集成学习】P3二分类问题_dec.mp4 37.45M
├──49.Week6【集成学习的原理和常见的集成学习】P4多分类问题和回归问题_dec.mp4 11.66M
├──50.Week6【xgboost的原理以及常见面试题】P1xgboost的一些预备知识_dec.mp4 20.54M
├──51.Week6【xgboost的原理以及常见面试题】P2结构分_dec.mp4 26.77M
├──52.Week6【xgboost的原理以及常见面试题】P3贪心算法寻找分裂点_dec.mp4 33.79M
├──53.Week6【xgboost的原理以及常见面试题】P5缺失值处理算法_dec.mp4 20.03M
└──54.Week6【xgboost的原理以及常见面试题】P6其他优化_dec.mp4 11.12M
