吴恩达 机器学习 降维

降维属于无监督学习范畴，其应用主要体现在两个方面，即实现数据的压缩处理以及对数据进行可视化展示。

目标一：数据压缩

当特征之间存在高度相关性时，应当适当减少维度。本节通过两个实例进行说明，分别为将二维数据降至一维、将三维数据降至二维，以此阐述降维的概念。
将二维数据降至一维的过程，即为将平面上的点投影到一条直线上，此时每个点均可由一个实数z来表示，具体示例如下图所示。

将三维数据转换为二维形式，即通过将三维空间中的点投影至某一平面，从而仅需利用两个实数z1与z2即可完成表示，具体示例如下图所示。

降维技术不仅有助于降低对存储空间的需求，同时还能提升算法的执行效率，使其运行速度得到明显改善。

目标2：可视化

面对具有大量维度的数据集合时，直接进行可视化操作存在较大难度。通过采用降维技术，可将原本包含数十乃至数百个维度的数据信息压缩至二维