第六讲——降纬
首先，复习一下线代中的：特征值；n阶方阵：行和列的数量都为n。
虽然讲得很热闹，概念也不简单，但是在Python里面能直接使用包里面的函数，直接将矩阵带入就能返回特征值和特征值分解 。
回归主题：什么是降维？
先是定义了降纬，然后举了两个例子，一个人虽然生活在三维空间，但是定义他的位置往往只需要使用2个数据，经度和纬度，再比如这个7纬的数据，其实内在维度可以概括为三种：用户忠诚度、消费能力、欠费指数。下面三点是降纬的好处。 最后一句话是目标。
最后的优化目标变成，使
这个优化矩阵最大
下面以重构的角度理解：相当于是一个n×l的矩阵和l×d的矩阵相乘，形成了一个n×d的矩阵
隐含的，只有一个参数的编码器
含有多个参数的深层自编码器
最后提到了常用的一些训练的方式还有一个医院患者的小例子，然后就是降纬的小案例和可视化