特征工程:特征提取和降维-下

目录

---

一、前言

二、正文

Ⅰ. 流形学习

Ⅱ.t-SNE

Ⅲ.多维尺度分析

三、结语

---

一、前言

 

 通过上篇对线性与非线性的数据的特征提取和降维的学习之后，我们来介绍其他方法，分别有流行学习、多维尺度分析、t-SNE。

 

二、正文

 

Ⅰ. 流形学习

 

 流形学习是借鉴拓扑流形的概念的一种降维的方法。用于数据降维，降到二维或者三维时可以对数据进行可视化。因为流形学习利用近邻的距离来计算高维空间的样本距离，所以近邻个数对其降维的结果影响甚大。

from sklearn.manifold import Isomap,MDS,TSNE
isomap=Isomap(n_neighbors=7,n_components=3)
isomap_wine_x=isomap.fit_transform(wine_x)
colors=['red','blue','green']
shape=['o','s','*']
fig=plt.figure(figsize=(10,6))
ax1=fig.add_subplot(111,projection='3d')
for ii,y in enumer