Isomap
Isomap (Isometric Feature Mapping) es un algoritmo de aprendizaje de variedades introducido por Tenenbaum, de Silva y Langford en 2000 que descubre la geometría intrínseca de baja dimensión de datos de alta dimensión preservando las distancias geodésicas —en lugar de las distancias euclidianas en línea recta— entre todos los pares de puntos. Fue uno de los primeros y más influyentes métodos de reducción de dimensionalidad no lineal que demostró que las variedades de datos genuinamente curvas podían desplegarse en un sistema de coordenadas fiel de baja dimensión.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- 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 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Isometric Feature Mapping (Isomap). ScholarGate. https://scholargate.app/es/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.
- PCA con kernelAprendizaje automático↔ compare
- Análisis de Componentes PrincipalesAprendizaje automático↔ compare
- t-SNEAprendizaje automático↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →