数据降维方法汇总

网上关于各种降维算法的资料参差不齐，同时大部分不提供源代码。这里有个 GitHub 项目整理了使用 Python 实现了 11 种经典的数据抽取（数据降维）算法，包括：PCA、LDA、MDS、LLE、TSNE 等，并附有相关资料、展示效果。

所谓降维，即用一组个数为 d 的向量 Zi 来代表个数为 D 的向量 Xi 所包含的有用信息，其中 d<D；通俗来讲，即将高维度下降至低维度；将高维数据下降为低维数据。

降维算法	资料链接	代码	展示
PCA	资料链接１ 资料链接２ 资料链接３	PCA
KPCA	资料链接1 资料链接2 资料链接3	KPCA
LDA	资料链接１ 资料链接2	LDA
MDS	资料链接１	MDS
ISOMAP	资料链接１ 资料链接２	ISOMAP
LLE	资料链接１ 资料链接2	LLE
TSNE	资料链接１	TSNE
AutoEncoder	无
FastICA	资料链接１	FastICA
SVD	资料链接１ 资料链接2	SVD
LE	资料链接1资料链接2	LE
LPP	资料链接１ 资料链接２	LPP

环境: python3.6 ubuntu18.04(windows10) 需要的库: numpy sklearn tensorflow matplotlib

github：https://github.com/heucoder/dimensionality_reduction_alo_codes