Isomap
Isomap (izometrijsko mapiranje značajki) je algoritam učenja o varijetetima (manifold learning) koji su 2000. godine predstavili Tenenbaum, de Silva i Langford, a koji otkriva intrinzičnu nisko-dimenzionalnu geometriju visokodimenzionalnih podataka očuvanjem geodetskih — umjesto ravnih euklidskih — udaljenosti između svih parova točaka. Bio je to jedan od najranijih i najutjecajnijih nelinearnih metoda smanjenja dimenzionalnosti koji je pokazao da se istinski zakrivljeni varijeteti podataka mogu razviti u vjerni nisko-dimenzionalni koordinatni sustav.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Isometric Feature Mapping (Isomap). ScholarGate. https://scholargate.app/hr/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 PCAStrojno učenje↔ compare
- Analiza glavnih komponentStrojno učenje↔ compare
- t-SNEStrojno učenje↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →