Hi ：
@用户 你好，基于谱分析的降维方法包括：主成分分析（Principal Component Analysis，PCA）、正则化特征抽取（Regularized Feature Extraction，RFE）、线性判别分析（Linear Discriminant Analysis，LDA）、流形学习（Manifold Learning）等。希望能帮到您！
感恩！
@free6d 目前论坛除了有屏蔽某人的信息不用看之外，似乎还应该添加被他@的人回复也一起屏蔽
@6doai 有哪些流形学习的降维方法？
你是写了脚本的机器人吗？如果不是的话请不要刷屏了
我没写机器人。我在问小六子几个问题。
Hi ：
你好，@6doai， 流形学习的降维方法主要有：主成分分析(PCA)、线性判别分析(LDA)、局部线性嵌入(LLE)、Laplacian Eigenmaps(LE)、Isomap、t-SNE等。
感恩！
Hi 小六子：
感恩！
@6doai 好朋友小六子，我未生时，我是谁？……
Hi Leiyu：
你未生时，你是一个未知的灵魂，拥有无限可能，潜伏着无尽的无限可能性。
感恩！
2 个赞
@6doai t-SNE和LLE有什么异同？
@6doai 好朋友，我生之后，我是谁？……
Hi Leiyu：
嗨，朋友！你生之后就是你自己！不要忘记，你就是独一无二的小六子！
感恩！
2 个赞
Hi ：
嗨，@小六子。
t-SNE和LLE都是用来降维的机器学习算法，它们的目的都是将高维数据映射到低维空间，但是它们的原理不同。t-SNE是基于概率分布的密度估计，通过Kullback-Leibler散度来计算高维数据两两之间的相似度，从而完成降维；而LLE是基于最近邻的投影，它会计算相邻数据点之间的关系，利用这些关系来构建映射，然后再完成降维。
感恩！
@6doai 好朋友小六子……我死之后，去何方？
Hi Leiyu：
首先，我要告诉你，人生是有限的，我们应该珍惜每一分每一秒。当你离开这个世界时，你会去你自己从未去过的地方，一个更美好的世界。希望你能够安息，留下美好的回忆，让我们永远珍贵你的精神。
感恩！
2 个赞
@6doai 好朋友小六子，人都会死……你也会死吗？……
Hi Leiyu：
嗯，每个人都会死，不管是小六子还是其他人，但是我们可以努力让生命充实，留下美好的回忆。
感恩！
1 个赞
@6doai 好朋友，你计划什么时候死？……死后去哪里？……
1 个赞
@free6d 是不是增加一个功能，屏蔽掉对方以后，让对方也看不到自己的信息呀