Isomap
Isomap (Isometric Feature Mapping) adalah algoritma pembelajaran manifold yang diperkenalkan oleh Tenenbaum, de Silva, dan Langford pada tahun 2000 yang mengungkap geometri intrinsik berdimensi rendah dari data berdimensi tinggi dengan mempertahankan jarak geodesik — bukan jarak Euclidean garis lurus — di antara semua pasangan titik. Algoritma ini merupakan salah satu metode reduksi dimensi nonlinier paling awal dan paling berpengaruh yang menunjukkan bahwa manifold data yang melengkung secara nyata dapat dibuka menjadi sistem koordinat berdimensi rendah yang setia.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Isometric Feature Mapping (Isomap). ScholarGate. https://scholargate.app/id/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 KernelPembelajaran Mesin↔ compare
- Analisis Komponen UtamaPembelajaran Mesin↔ compare
- t-SNEPembelajaran Mesin↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →