Latent structure
Isomap
Isomap（Isometric Feature Mapping）は、2000年にTenenbaum、de Silva、Langfordによって導入された多様体学習アルゴリズムであり、高次元データの固有の低次元幾何構造を、すべての点ペア間の直線的なユークリッド距離ではなく測地的距離を保持することによって発見する。これは、真に湾曲したデータ多様体を忠実な低次元座標系に展開できることを示した、初期かつ最も影響力のある非線形次元削減手法の1つであった。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 3). Isometric Feature Mapping (Isomap). ScholarGate. https://scholargate.app/ja/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.
Compare side by side →