Isomap
Isomap (Isometric Feature Mapping) é um algoritmo de aprendizado de manifold introduzido por Tenenbaum, de Silva e Langford em 2000, que descobre a geometria intrínseca de baixa dimensão de dados de alta dimensão, preservando distâncias geodésicas — em vez de distâncias euclidianas em linha reta — entre todos os pares de pontos. Foi um dos primeiros e mais influentes métodos de redução de dimensionalidade não linear a demonstrar que manifolds de dados genuinamente curvos poderiam ser desdobrados em um sistema de coordenadas fiel de baixa dimensão.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Isometric Feature Mapping (Isomap). ScholarGate. https://scholargate.app/pt/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 KernelAprendizado de máquina↔ compare
- Análise de Componentes PrincipaisAprendizado de máquina↔ compare
- t-SNEAprendizado de máquina↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →