摘要：
非负矩阵分解(NMF)是一种无监督学习算法，目的在于提取有用的特征（可以识别出组合成数据的原始分量），也可以用于降维，通常不用于对数据进行重建或者编码。 NMF将每个数据点写成一些分量的加权求和（与PCA相同），并且分量和系数都大于0， 只能适用于每个特征都是非负的数据（正负号实际上是任意的）。 1 阅读全文
摘要：
流行学习算法： 是一类用于可视化的算法，它允许进行更复杂的映射，通常也可以给出更好的可视化。 t-SNE算法是其中一种。 PCA是用于变换数据的首选方法，也可以进行可视化，但它的性质（先旋转然后减少方向）限制了有效性。因此，我们可以使用流形学习算法进行数据可视化。 1、什么是t-SNE t-SNE算 阅读全文