Isomap
Az Isomap (Isometric Feature Mapping) egy manifoltanuló algoritmus, amelyet Tenenbaum, de Silva és Langford vezetett be 2000-ben. A módszer a magas dimenziós adatok belső, alacsony dimenziós geometriáját tárja fel azáltal, hogy megőrzi a geodetikus – és nem az egyenes vonalú euklideszi – távolságokat az összes pontpár között. Ez volt az egyik legkorábbi és legbefolyásosabb nemlineáris dimenziócsökkentő módszer, amely demonstrálta, hogy az eredendően görbe adatmanifoltok hűen kibonthatók egy alacsony dimenziós koordináta-rendszerbe.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Isometric Feature Mapping (Isomap). ScholarGate. https://scholargate.app/hu/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 PCAGépi tanulás↔ compare
- Főkomponens-analízisGépi tanulás↔ compare
- t-SNEGépi tanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →