第二种类型的 无监督学习问题，称为 降维。有几个不同的的原因使你可能想要做降维。一是数据压缩，数据压缩不仅允许我们压缩数据，因而使用较少的计算机内存或磁盘空间，但它也让我们加快我们的学习算法。
但首先，让我们谈论 降维是什么。作为一种生动的例子，我们收集的数据集，有许多，许多特征，我绘制两个在这里。
将数据从二维降一维：
将数据从三维降至二维： 这个例子中我们要将一个三维的特征向量降至一个二维的特征向量。过程是与上面类似的，我们将三维向量投射到一个二维的平面上，强迫使得所有的数据都在同一个平面上，降至二维的特征向量。
这样的处理过程可以被用于把任何维度的数据降到任何想要的维度，例如将1000维的特征降至100维。
机器学习课程-第 8 周-降维(Dimensionality Reduction)—主成分分析(PCA)
原文：https://www.cnblogs.com/douzujun/p/10358089.html