降维和特征提取

---

在数据的预处理阶段， 特征提取和数据降维 是提升模型表示能力的一种重要手段。 特征提取主要是从数据中找到有用的特征，用于提升模型的表示能力，而数据降维主要是在不减少模型准确率的情况下减少数据的特征数量。

因子分析

因子分析

因子分析

函数名	简介
factoran	因子分析
rotatefactors	旋转系数荷载

特征提取

特征提取

特征提取

函数名	简介
fsulaplacian	使用拉普拉斯分数对无监督学习的特征进行排序
transform	特征提取
rica	基于重建ICA的特征提取

多维尺度分析

多维尺度分析

多维尺度分析

函数名	简介
cmdscale	经典多维标度
mdscale	非经典多维标度

非负矩阵分解

非负矩阵分解

非负矩阵分解

函数名	简介
nnmf	非负矩阵分解

PCA和典型相关

PCA和典型相关

PCA和典型相关

函数名	简介
barttest	巴特利特试验
canoncorr	典型相关
pca	原始数据的主成分分析
pcacov	协方差矩阵的主成分分析
pcares	主成分分析的残差
ppca	概率主成分分析

普氏分析

普氏分析

普氏分析

函数名	简介
procrustes	普鲁克分析

流形学习

介绍流行学习首先要说明一下什么是流形: 即指具有不同维数的任意光滑的曲线或曲面。 流形学习是基于这样一种假设: 若低维流形嵌入到高维空间中，则数据样本在高维空间的分布虽然看上去十分复杂但局部上仍具有欧氏空间的性质，因此，可以容易地在局部建立降维映射关系，然后再设法将局部映射关系推广到全局。其特点为: 通过局部线性来构造全局非线性

流形学习

函数名	简介
fitHessianEigenmapping	黑森特征映射
fitIsomap	等距映射
fitLocallyLinearEmbedding	局部线性嵌入
fitltsaEmbedding	局部切线空间对齐
fitMLLEmbedding	改进局部线性嵌入
fitSpectralEmbedding	非线性降维的光谱嵌入
tsne	t分布随机邻居嵌入