Isomap
Isomap (saistītais iezīmju kartēšanas algoritms) ir manfolda apguves algoritms, ko 2000. gadā ieviesa Tenenbaum, de Silva un Langford. Tas atklāj augstdimensionālu datu iekšējo zemo dimensiju ģeometriju, saglabājot ģeodēziskos — nevis taisnvirziena Eiklīda — attālumus starp visiem punktu pāriem. Tas bija viens no agrākajiem un ietekmīgākajiem nelineārās dimensiju samazināšanas metodēm, kas parādīja, ka patiešām izliektus datu manfoldus var atlocīt uzticamā zemo dimensiju koordinātu sistēmā.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Isometric Feature Mapping (Isomap). ScholarGate. https://scholargate.app/lv/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.
- Kodola PCAMašīnmācīšanās↔ compare
- Primārā komponentu analīzeMašīnmācīšanās↔ compare
- t-SNEMašīnmācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →