最近发现一位同学整理了一些经典的降维算法，并用python实现常见降维算法的代码，特此推荐。作者：超爱学习
代码的github：
(github上不止止有代码，还有相应的资料，同时后续也会继续整理其他代码)
1. PCA
当特征数(D)远大于样本数(N)时，需要使用一点小技巧使得PCA算法的复杂度由 转换为
。
2. KPCA
3. MDS
由于sklearn中MDS是采用迭代优化方式，而我这里实现了迭代和非迭代的两种。
\
4. Isomap
5. LLE
6. T-SNE
参考了源代码，同时也用tensorflow实现了一个。(不用自己更新参数的感觉是真的爽)
７. LDA
8. AutoEncoder
9. FastICA
10. SVD
github链接如下:
请关注和分享↓↓↓\
本站的知识星球（黄博的机器学习圈子）ID：92416895\
目前在机器学习方向的知识星球排名第一
往期精彩回顾\
