Isomap
Isomap (Isometric Feature Mapping) ist ein Algorithmus des Manifold Learning, der 2000 von Tenenbaum, de Silva und Langford eingeführt wurde. Er entdeckt die intrinsische niedrigdimensionale Geometrie hochdimensionaler Daten, indem er geodätische – anstatt geradlinige Euklidische – Distanzen zwischen allen Punktpaaren beibehält. Es war eine der frühesten und einflussreichsten Methoden zur nichtlinearen Dimensionsreduktion, die zeigte, dass tatsächlich gekrümmte Datenmannigfaltigkeiten in ein getreues niedrigdimensionales Koordinatensystem entfaltet werden können.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Isometric Feature Mapping (Isomap). ScholarGate. https://scholargate.app/de/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 PCAMaschinelles Lernen↔ compare
- HauptkomponentenanalyseMaschinelles Lernen↔ compare
- t-SNEMaschinelles Lernen↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →