MeanShift-MeanShift
用于无监督聚类与样本分组，采用MeanShift发现数据结构、压缩特征或辅助可视化，适合没有明确目标变量的探索性分析；结果受参数设置和数据标准化方式影响。
软件下载目录
选择算法后，再查看当前可用的下载方式。
分类筛选
NMF-非负矩阵分解
用于降维与低维表示，采用非负矩阵分解发现数据结构、压缩特征或辅助可视化，适合没有明确目标变量的探索性分析；结果受参数设置和数据标准化方式影响。
OPTICS-OPTICS
用于无监督聚类与样本分组，采用OPTICS发现数据结构、压缩特征或辅助可视化，适合没有明确目标变量的探索性分析；结果受参数设置和数据标准化方式影响。
SOM-自组织映射
用于无监督聚类与样本分组，采用自组织映射发现数据结构、压缩特征或辅助可视化，适合没有明确目标变量的探索性分析；结果受参数设置和数据标准化方式影响。
SPE-随机邻近嵌入
用于降维与低维表示，采用随机邻近嵌入发现数据结构、压缩特征或辅助可视化，适合没有明确目标变量的探索性分析；结果受参数设置和数据标准化方式影响。
SpectralClustering-谱聚类
用于无监督聚类与样本分组，采用谱聚类发现数据结构、压缩特征或辅助可视化，适合没有明确目标变量的探索性分析；结果受参数设置和数据标准化方式影响。
SVD-奇异值分解
用于降维与低维表示，采用奇异值分解发现数据结构、压缩特征或辅助可视化，适合没有明确目标变量的探索性分析；结果受参数设置和数据标准化方式影响。
TSNE-t-SNE
用于降维与低维表示，采用t-SNE发现数据结构、压缩特征或辅助可视化，适合没有明确目标变量的探索性分析；结果受参数设置和数据标准化方式影响。
TSVD-截断 SVD
用于降维与低维表示，采用截断 SVD发现数据结构、压缩特征或辅助可视化，适合没有明确目标变量的探索性分析；结果受参数设置和数据标准化方式影响。
当前第 3 页，共 4 页，共 29 个算法