为什么要将数据降维？
实际APP应用程序的数据一般是高维的，例如手写数字，如果缩放到2828的图像大小，则该维为2828=784维。
举个简单的例子：
下图是手写1及其对应图像的二维矩阵，数据已经归一化在[ 0，1 ]的范围内。
降维的目的有很多，但我个人认为最主要的目的有两个：
1 .为了将数据可视化，进行数据的观察和探索。
2 .另一个目的是简化机器学习模式的训练和预测。
虽然高维数据难以直观地识别，但是只要将数据的维度降低到二维或三维，且维持数据点的关系，与原始高维空间中的关系保持不变或近似，就能够可视化，用肉眼观察数据。
数据降维后，如果保留原始数据的主要信息，就可以使用降维的数据进行机器学习模型的训练和预测，大大减少了数据量，大大提高了训练和预测的时间效率。
降维实例：
以下python代码对digits数据集进行tsne维化和显示。 读者可以将代码复制到Jupyter notebook中并执行。
程序的执行结果如下。
有关详细分析和数据检索，请参阅：
3358 cloud.yisurvey.com :9081/html/529942 A8-212 c-4c 85-9c 92-9c 56 beb4a 299.html？ ly=csdn
本文转载自网络，仅用于学习交流。 内容的版权归原作者所有。 例如，有关相关作品、版权和其他问题，请与删除处理联系。
特别说明：本文以技术交流为目的，请勿将相关技术用于非法用途。 否则，一切后果都会自负。 如果你觉得我们侵犯了你的合法权益，请联系我们处理。