网上关于各种降维算法的资料参差不齐，同时大部分不提供源代码；在此通过借鉴资料实现了一些经典降维算法的Demo(python)，同时也给出了参考资料的链接。

降维算法	资料链接	展示
PCA	https://blog.csdn.net/u013719780/article/details/78352262 https://blog.csdn.net/u013719780/article/details/78352262 https://blog.csdn.net/weixin_40604987/article/details/79632888
KPCA	https://blog.csdn.net/u013719780/article/details/78352262 https://blog.csdn.net/u013719780/article/details/78352262 https://blog.csdn.net/weixin_40604987/article/details/79632888
LDA	https://blog.csdn.net/ChenVast/article/details/79227945 https://www.cnblogs.com/pinard/p/6244265.html
MDS	https://blog.csdn.net/zhangweiguo_717/article/details/69663452?locationNum=10&fps=1
ISOMAP	https://blog.csdn.net/zhangweiguo_717/article/details/69802312 http://www-clmc.usc.edu/publications/T/tenenbaum-Science2000.pdf
LLE	https://blog.csdn.net/scott198510/article/details/76099630 https://www.cnblogs.com/pinard/p/6266408.html?utm_source=itdadao&utm_medium=referral
TSNE	http://bindog.github.io/blog/2018/07/31/t-sne-tips/
AutoEncoder	无
FastICA	https://blog.csdn.net/lizhe_dashuju/article/details/50263339
SVD	https://blog.csdn.net/m0_37870649/article/details/80547167 https://www.cnblogs.com/pinard/p/6251584.html
LE	https://blog.csdn.net/hustlx/article/details/50850342# https://blog.csdn.net/jwh_bupt/article/details/8945083
LPP	https://blog.csdn.net/qq_39187538/article/details/90402961 https://blog.csdn.net/xiaohen123456/article/details/82288222

环境: python3.6 ubuntu18.04(windows10) 需要的库: numpy sklearn tensorflow matplotlib

• 每一个代码都可以单独运行，但是只是作为一个demo，仅供学习使用
• 其中AutoEncoder只是使用AutoEncoder简单的实现了一个PCA降维算法,自编码器涉及到了深度学习领域，其本身就是一个非常大领域
• LE算法的鲁棒性极差，对近邻的选择和数据分布十分敏感
• 2019.6.20添加了LPP算法，但是效果没有论文上那么好，有点迷，后续需要修改