淺談降維方法中的PCA 與t-SNE. 在機器學習當中，如果特徵數 ...

在機器學習當中，如果特徵數過多時，有可能會造成一些問題，像是：所以這時候就需要對特徵做降維，在實務上，一個幾百幾千個的特徵當中，手動挑選特徵顯然不是一個明智的方法，所以以下來介紹兩個在機器學習中常常使用的兩種降維方法。

在介紹 PCA 之前，我們先來定義一下我們的目標是什麼：將一個具有 n 個特徵空間的樣本，轉換為具有 k 個特徵空間的樣本，其中 k < n以下是 PCA 的主要步驟：PCA 最重要的部分就是奇異值分解，因此接下來的章節讓我們來談談奇異值分解在矩陣分解當中，奇異值分解是個相當有名的方法。

矩陣分解在高