Изомап
Изомап (Isometric Feature Mapping) — это алгоритм обучения многообразию, представленный Тененбаумом, де Сильвой и Лэнгфордом в 2000 году, который обнаруживает внутреннюю низкоразмерную геометрию высокоразмерных данных, сохраняя геодезические, а не прямые евклидовы расстояния между всеми парами точек. Это был один из самых ранних и наиболее влиятельных методов нелинейного снижения размерности, продемонстрировавший, что действительно искривленные многообразия данных могут быть развернуты в точную низкоразмерную систему координат.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Isometric Feature Mapping (Isomap). ScholarGate. https://scholargate.app/ru/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.
- Кернел PCAМашинное обучение↔ compare
- Анализ главных компонентМашинное обучение↔ compare
- t-SNEМашинное обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →