Latent structure
Isomap
Isomap(Isometric Feature Mapping)은 2000년 Tenenbaum, de Silva, Langford가 제안한 매니폴드 학습 알고리즘으로, 모든 점 쌍 사이의 직선 유클리드 거리 대신 측지 거리를 보존하여 고차원 데이터의 내재된 저차원 기하학적 구조를 발견합니다. 이는 진정으로 곡선 형태의 데이터 매니폴드를 충실한 저차원 좌표계로 펼칠 수 있음을 보여준 최초이자 가장 영향력 있는 비선형 차원 축소 방법 중 하나였습니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Isometric Feature Mapping (Isomap). ScholarGate. https://scholargate.app/ko/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 →