最近发现一位同学整理了一些经典的降维算法，并用python实现常见降维算法的代码，特此推荐。作者：超爱学习

代码的github：

https://github.com/heucoder/dimensionality_reduction_alo_codes

(github上不止止有代码，还有相应的资料，同时后续也会继续整理其他代码)

1. PCA

当特征数(D)远大于样本数(N)时，需要使用一点小技巧使得PCA算法的复杂度由  转换为  。

2. KPCA

3. MDS

由于sklearn中MDS是采用迭代优化方式，而我这里实现了迭代和非迭代的两种。

4. Isomap

5. LLE

6. T-SNE

参考了源代码，同时也用tensorflow实现了一个。(不用自己更新参数的感觉是真的爽)

７. LDA

8. AutoEncoder

9. FastICA

10. SVD

github链接如下:

https://github.com/heucoder/dimensionality_reduction_alo_codes