本文主要是介绍dimension reduce（梯度下降）self-organizing maps（自组织映射），希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
使数据集的维度减小可以简化问题，带来优化
如更快的处理时间、虚拟化高维度的数据集、抗噪音、增强其他数据挖掘算法
线性降维（Linear dimension reduce）
main linear components能使数据在这一轴的变化范围最大
1-st component是使数据在这一维变化最大的轴方向
2-nd component是当投影到1-st component方向时数据范围最大的轴方向（一般与1-st component的方向垂直）
如图，将一个四维的数据集减小维度到二维的图形转换过程
主成分分析（principal component analysis）
主成分分析是找到main linear component的方法，其主要步骤如下：
Self-Organizing Maps
自组织映射是一种简单有效的方法：
1、将数据从到维度降到低维度映射
2、把相似的数据放置在相近位置，无关数据之间的位置较远
3、一种广泛采用的处理复杂类型数据的方法
自组织映射的基本原理：
由n个点组成的map space&#x
这篇关于dimension reduce（梯度下降）self-organizing maps（自组织映射）的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
