PCA(Principal Component Analysis),主成分分析,是一种用于降维的统计方法,它的核心思想是将数据的高维空间投影到低维空间,使得低维空间中的数据保留了原始数据的最大信息量。PCA的核心步骤包括:数据标准化、协方差矩阵的计算、特征值和特征向量的计算以及降维。 2.2 t-SNE t-SNE(t-distributed Stochastic Neighbor E...
相比于PCA,TSNE和UMAP拥有更好的非线性映射性能和更好的可视化效果。而UMAP相比于TSNE,是一种高效的算法并且更稳定,在保留全局结构的同时,可以更好地处理跨层次的数据。在实践中,当数据维度高或者有复杂的结构时,TSNE或UMAP都是更好的选择。而PCA通常用于较少维度的线性数据。需要根据实际应用需求和数据特征选择适合...