投影寻踪

投影寻踪是处理和分析高维数据的一类新兴的统计方法，其基本思想是将高维数据投影到低维（1～3维）子空间上，寻找出反映原高维数据的结构或特征的投影，以达到研究和分析高维数据的目的。1974年，美国Stan—ford大学的Friedman和Tukey首次将该方法命名为Projection Pursuit，即投影寻踪。

传统的数据分析方法对于高维非正态，非线性数据分析很难收到很好效果，其原因在于它过于形式化、数学化，难以适应千变万化的客观世界，无法找到数据的内在规律和特征，远不能满足高维非正态分布数据的需要。投影追踪方法就是在这种形势下应运而生的。

从投影寻踪的理论与应用研究来看，主要涉及三方面内容：

1.投影寻踪聚类分析；

2.投影寻踪回归；

3.投影寻踪学习网络。