咱们在上一篇笔记中讲到了PCA(主成分剖析)。PCA是一种直接的降维办法，经过求解特征值与特征向量，并选取特征值较大的一些特征向量来到达降维的作用。
本文持续PCA的论题，包含PCA的一个使用——LSI(Latent Semantic Indexing, 隐含语义索引)和PCA的一个完成——SVD(Singular Value Decomposition,奇异值分解)。在SVD和LSI完毕之后，关于PCA的内容就告一段落。视频的后半段开端讲无监督学习的一种——ICA(Independent Component Analysis, 独立成分剖析)。
本笔记的13-15部分的pdf已上传csdn资源中，下载请猛击屠龙宝刀，下载就送。
