Skip to content

特征提取/数据降维:PCA、LDA、MDS、LLE、TSNE等降维算法的python实现

License

Notifications You must be signed in to change notification settings

heucoder/dimensionality_reduction_alo_codes

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

23 Commits
 
 
 
 
 
 
 
 
 
 

Repository files navigation

DimensionalityReduction_alo_codes

网上关于各种降维算法的资料参差不齐,同时大部分不提供源代码;在此通过借鉴资料实现了一些经典降维算法的Demo(python),同时也给出了参考资料的链接。

降维算法 资料链接 代码 展示
PCA 资料链接1 资料链接2 资料链接3 PCA PCA
KPCA 资料链接1 资料链接2 资料链接3 KPCA KPCA
LDA 资料链接1 资料链接2 LDA LDA
MDS 资料链接1 MDS MDS Tensor-MDS
ISOMAP 资料链接1 资料链接2 ISOMAP ISOMAP
LLE 资料链接1 资料链接2 LLE LLE
TSNE 资料链接1 TSNE TSNE
AutoEncoder 无  AutoEncoder
FastICA 资料链接1 FastICA
SVD 资料链接1 资料链接2 SVD
LE 资料链接1资料链接2 LE LE
LPP 资料链接1 资料链接2 LPP LPP

环境: python3.6 ubuntu18.04(windows10) 需要的库: numpy sklearn tensorflow matplotlib

  • 每一个代码都可以单独运行,但是只是作为一个demo,仅供学习使用
  • 其中AutoEncoder只是使用AutoEncoder简单的实现了一个PCA降维算法,自编码器涉及到了深度学习领域,其本身就是一个非常大领域
  • LE算法的鲁棒性极差,对近邻的选择和数据分布十分敏感
  • 2019.6.20添加了LPP算法,但是效果没有论文上那么好,有点迷,后续需要修改

About

特征提取/数据降维:PCA、LDA、MDS、LLE、TSNE等降维算法的python实现

Topics

Resources

License

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published

Languages