简介
本课程共计4学时。高维数据需要大量的计算资源，并对某些机器学习算法造成难以克服的推广困难。数据降维与信息的有损压缩紧密相关，能够用以表示数据、解释数据、分析数据、寻找到数据背后所隐藏的本质信息，极大地降低计算复杂度。该课程简略地介绍数据降维的主成分分析法、奇异值分解等，及其在个性化推荐系统中的应用。通过本课程学习，使学生了解高维数据处理的基本方法，并能够进行编程实现。
授课对象
高年级本科生
课程内容
数据降维—主成分分析、奇异值分解、压缩感知，包括例子、理论基础简介、个性化推荐应用。
授课方式
内容介绍（PPT）, 数值试验 (Matlab编程)
上课地点
待定
上课时间
2019年9月27日
参考资料
The elements of Statistical Learning, by Hastie, Tibshirani, Friedman.
下载文件
登录查看文件
此处只讨论与本课程相关的问题。
