是一类借鉴了拓扑流形概念的降维方法。
流形是在局部与欧式空间同胚的空间，它在局部具有欧式空间的性质，能用欧氏距离来进行距离计算。若低维流形嵌入到高维空间中，则数据样本在高维空间的分布虽然看上去非常复杂，但在局部上仍具有欧氏空间的性质，因此可以容易地在局部建立降维映射关系，然后设法将局部映射推广到全局，当维数被降至二维或三维时，就能对数据进行可视化展示。
等度量映射（Isometric Mapping,简称Isomap）
认为低维流形嵌入到高维空间后，直接在高维空间中计算直线距离具有误导性，因为高维空间中的直线距离在低维嵌入流形上是不可达的。
高维空间中两点距离：‘测地线’距离
通过流形在局部上与欧式空间同胚性质，对每个点基于K近邻找到K个近邻点，然后用最短路径算法求近似解
求得所有两点间距离后使用MDS降维
局部线性嵌入（Locally Linear Embedding）
试图保持领域内样本之间的线性关系
假定样本点 Xi 的坐标能通过它的领域样本 Qi的线性组合得到
wij为线性重构系数
然后求低维空间的映射坐标Zi，具体推导见西瓜书P236，237
同样用到了特征值分解
推荐阅读参考资料【1】 流形学习方法 流形学习方法(Manifold Learning)，简称流形学习，自2000...
1.流行学习的概念： 流形学习方法(Manifold Learning)，简称流形学习，自2000年在著名的科学杂...
流形学习 关于流形学习(Manifold Learning)最形象的解释莫过于这幅图： 这幅图又被称为Swiss ...
是一类借鉴了拓扑流形概念的降维方法。 流形是在局部与欧式空间同胚的空间，它在局部具有欧式空间的性质，能用欧氏距离来...
作者：HaigLeehttps://www.jianshu.com/u/67ec21fb270d本文由 HaigL...
流形学习的基本假设是某些高维数据，实际是一种低维的流形结构嵌入在高维空间当中。流形学习的目的是将其映射回低维空间，...
流形学习概述 流形学习的观点：认为我们所能观察到的数据实际上是由一个低维流形映射到高维空间的。我们怎么理解什么是流...
数据降维问题 在很多应用中，数据的维数会很高。以图像数据为例，我们要识别32x32的手写数字图像，如果将像素按行或...
一、概述 流形学习（Manifold Learning）是指通过从高维采样数据中恢复低维流形结构，即找到高维空间中...
流形学习是机器学习的一种，这种方法是对数据本身特征的一种挖掘，是信号处理领域最经典的方法之一。 流形学习的本质是用...
本文标题：流形学习
本文链接：https://www.haomeiwen.com/subject/dggvfxtx.html
网友评论