开展数据降维的主要目的是更易于数据可视化，并识别高维数据集中的关键结构，将它们保存在低维嵌入中，减轻维数灾难，减少共线性带来的影响。常见的数据降维算法分为线性与非线性两大类。主成分分析（PCA）算法是 应用最为广泛的线性降维算法之一，能够快速寻找到原始变量的线性组合，通过保留少量的主成分，表征原始数据的主要特征。但是，PCA等线性算法不能处理高维到低维数据的非线性映射。
t-SNE（t-dist[......]
开展数据降维的主要目的是更易于数据可视化，并识别高维数据集中的关键结构，将它们保存在低维嵌入中，减轻维数灾难，减少共线性带来的影响。常见的数据降维算法分为线性与非线性两大类。主成分分析（PCA）算法是 应用最为广泛的线性降维算法之一，能够快速寻找到原始变量的线性组合，通过保留少量的主成分，表征原始数据的主要特征。但是，PCA等线性算法不能处理高维到低维数据的非线性映射。
t-SNE（t-dist[......]