本章內容
- 降維技術
- 主成分分析（PCA）
- 對半導體數據進行降維處理
想像這樣一種場景：我們正通過電視而非現場觀看體育比賽，在電視的純平顯示器上有一個球。顯示器大概包含了100萬像素，而球則可能是由較少的像素組成的，比如說一千個像素。在大部分體育比賽中，我們關注的是給定時刻球的位置。人的大腦要想瞭解比賽的進展，就需要瞭解球在運動場中的位置。對於人來說，這一切顯得十分自然，甚至都不需要做任何思考。在這個場景當中，人們實時地將顯示器上的百萬像素轉換成為了一個三維圖像，該圖像就給出了運動場上球的位置。在這個過程中，人們已經將數據從一百萬維降至了三維。
在上述體育比賽的例子中，人們面對的原本是百萬像素的數據，但是只有球的三維位置才最重要，這就被稱為降維（dimensionality reduction）。剛才我們將超百萬的數據值降到了只有三個相關值。在低維下，數據更容易進行處理。另外，其相關特徵可能在數據中明確地顯示出來。通常而言，我們在應用其他機器學習算法之前，必須先識別出其相關特徵。
本章是涉及降維主題的兩章中的第一章。在降維中，我們對數據進行了預處理。之後，採用其他機器學習技術對其進行處理。本章一開始對降維技術進行了綜述，然後集中介紹一種應用非常普遍的稱為主成分分析的技術。最後，我們就通過一個數據集的例子來展示PCA的工作過程。經過PCA處理之後，該數據集就從590個特徵降低到了6個特徵。