Feature embedding 的数学原理

不完全是，feature embedding主要指的是对特征的编码方式，一般来说我们要处理的问题能抽取的特征许多都是离散：的比如说词汇，分类，图像的像素等等；embedding就是对这些特征映射映射成连续向量的算法；

PCA主要对数据降维，把稀疏矩阵转换成高秩的相对较小的矩阵，同时又保留原矩阵的主要信息；

但是呢feature embedding和PCA又时常联系在一起，因为embedding编码出来的向量通常是稀疏矩阵，需要降维才方便用模型进行处理