摘要： 本章主要介绍了最常见的 PCA 主成分分析、NMF 非负矩阵分解等无监督模型，举例说明使用使用非监督模型对多维度特征数据集进行降维的意义及实用方法。对 MDS 多维标度法、LLE 局部线性嵌入法、Isomap 保距映射法、t-SNE 分布邻域嵌入算法等 ML 流形学习模型的基础使用方法进行讲解，分析各个流形学习的区别，讲解如何把一个低维度流形数据嵌入到一个高维度空间来描述数据集，通过转换找到的数据规律。 阅读全文