Isomap
Isomap (Isometric Feature Mapping) è un algoritmo di apprendimento di varietà (manifold learning) introdotto da Tenenbaum, de Silva e Langford nel 2000, che scopre la geometria intrinseca a bassa dimensione di dati ad alta dimensione preservando le distanze geodetiche — piuttosto che le distanze euclidee in linea retta — tra tutte le coppie di punti. È stato uno dei primi, e più influenti, metodi di riduzione della dimensionalità non lineare a dimostrare che varietà di dati genuinamente curve potevano essere "spiegate" in un fedele sistema di coordinate a bassa dimensione.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Isometric Feature Mapping (Isomap). ScholarGate. https://scholargate.app/it/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 PCAApprendimento automatico↔ compare
- Analisi delle Componenti PrincipaliApprendimento automatico↔ compare
- t-SNEApprendimento automatico↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →