全部笔记的汇总贴：《机器学习》西瓜书-读书笔记汇总贴

一、k近邻学习

比较简单，下面的这篇文章有写，就不赘述了。
统计学习方法读书笔记（十四）-聚类方法

二、低维嵌入

在高维情形下出现的数据样本稀疏、距离计算困难等问题？是所有机器学习方法共同面临的严重障碍，被称为 “ 维数灾难” 。缓解维数灾难的一个重要途径是降维 ，亦称“维数约简＂。

• MDS算法

三、主成分分析

• 最近重构性
• 最大可分性

四、核化线性降维

基于核技巧对线性降维方法进行核化。

• 核主成分分析KPCA

五、流形学习

流形学习（manifold learning）是一类借鉴了拓扑流形概念的降维方法。 “流形 ” 是在局部与欧氏空间同胚的空间，换言之7 它在局部具有欧氏空间的性质，能用欧氏距离来进行距离计算。

• Isomap算法
  
• LLE算法
  

六、度量学习

在机器学习中，对高维数据进行降维的主要目的是希望找到→个合适的低维空间，在此空间中进行学习能比原始空间性能更好。事实上，每个空间对应了在样本属性上定义的一个距离度量，而寻找合适的空间，实质上就是在寻找一 个合适的距离度量。

标签：流形,读书笔记,学习,降维,空间,度量
来源： https://blog.csdn.net/qq_41485273/article/details/113095220