降维的主要作用包括减小计算量、去除数据噪音、有助于数据可视化等。PCA 是最常见的线性降维方法,常用的非线性降维算法包括自编码器和 t-SNE 等。本案例中,我们将使用 Python 实现 PCA 算法,使用实现的算法计算人脸数据集的特征脸。然后我们将使用 TensorFlow 构建自编码器,并应用于手写数字图像的重构。最后我们将使用一份中文新闻数据集,使用 Sklearn 实现的 t-SNE 算法对新闻进行降维,并使用 Seaborn 对降维结果进行可视化。
![png](http://cookdata.cn/media/note_images/案例封面_1592223612253_5d14.jpg)