PCA和LDA的不同点 PCA是无监督(训练样本无标签)的,LDA是有监督(训练样本有标签)的; PCA是去掉原始数据冗余的维度,LDA是选择一个最佳的投影方向,使得投影后相同类别的数据分布紧凑,不同类别的数据尽量相互远离。 LDA最多可以降到k-1维(k是训练样本的类别数量,k-1是因为最后一维的均值可以由前面的k-1维的均值...
算法小白的第一次尝试---KPCA(核主成分分析)降维【实例对比分析PCA、LDA和KPCA】,程序员大本营,技术文章内容聚合第一站。