Isomap
Isomap (Isometric Feature Mapping) je algoritam za učenje na manilfoidima (manifold learning) koji su 2000. godine predstavili Tenenbaum, de Silva i Langford. On otkriva unutrašnju nisko-dimenzionu geometiju visokodimenzionih podataka očuvanjem geodezijskih — umesto pravolinijskih Euklidskih — rastojanja između svih parova tačaka. Bio je to jedan od najranijih i najuticajnijih metoda nelinearnog smanjenja dimenzionalnosti koji je demonstrirao da se istinski zakrivljeni manilfoidi podataka mogu razviti u verni nisko-dimenzioni koordinatni sistem.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Isometric Feature Mapping (Isomap). ScholarGate. https://scholargate.app/sr/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.
- Kernel PCAMašinsko učenje↔ compare
- Analiza glavnih komponentiMašinsko učenje↔ compare
- t-SNEMašinsko učenje↔ compare
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →