常见的降维算法_降维算法有哪些

常见的降维算法：

线性方法

1. 主成分分析（Principal Component Analysis,PCA）、

2. 对应分析（Correspondence Ahalysis,CA)、

3. 多重对应分析（Multiple Corresspondence Analysis,MCA）、

4. 经典多维尺度分析（classical multidimensional scaling,cMDS）、

5. 主坐标分析（Principal Coordinate Analysis,PCoA）。

以上这些方法，常用于保留数据的整体性；

非线性的方法

1. 核主成分分析（Kernel Principal Component Analysis,Kernel PCA）、

2. 非度量多维尺度分析（Nonmetric Multidimensional Scaling,NMDS）、

3. 等度量映射（lsomap）、

4. 扩散映射（Diffusion Maps）、

5. t分布随机嵌入（t-Distributed Stochastic Neighbor Embedding,t-SNE）在内的邻近嵌入技术