Isomap
Isomap (Isometric Feature Mapping) е алгоритъм за изучаване на многообразия (manifold learning), представен от Tenenbaum, de Silva и Langford през 2000 г., който разкрива вътрешната нискоизмерна геометрия на високоизмерни данни чрез запазване на геодезичните — вместо на праволинейните Евклидови — разстояния между всички двойки точки. Той е един от най-ранните и най-влиятелните методи за нелинейно намаляване на размерността, демонстриращи, че истински извити многообразия от данни могат да бъдат „разгънати“ във вярна нискоизмерна координатна система.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Tenenbaum, J. B., de Silva, V. & Langford, J. C. (2000). A global geometric framework for nonlinear dimensionality reduction. Science, 290(5500), 2319–2323. DOI: 10.1126/science.290.5500.2319 ↗
- Hastie, T., Tibshirani, R. & Friedman, J. (2009). The Elements of Statistical Learning (2nd ed., Ch. 14). Springer. ISBN: 978-0-387-84857-0
- van der Maaten, L., Postma, E. & van den Herik, J. (2009). Dimensionality reduction: A comparative review. Journal of Machine Learning Research, 10, 66–71. link ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Isometric Feature Mapping (Isomap). ScholarGate. https://scholargate.app/bg/machine-learning/isomap
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Kernel PCAМашинно обучение↔ compare
- Анализ на главните компонентиМашинно обучение↔ compare
- t-SNEМашинно обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →