流形学习manifold learning

manifold是一类借鉴了拓扑流形概念的降维方法。non-linear 降维

流形 是在局部与欧氏空间同胚的空间,即,它在局部具有欧氏空间的性质,能用欧氏空间的进行计算,这给降维方法带来很大的启发:若”低维流形“嵌入到高维空间中,虽然数据在高维分布上非常复杂,但局部上仍具欧氏空间性质,因此,可以在局部上可以建立降维映射关系,然后再设法将局部映射关系推广全局。

当维数降至二,三维时,能对数据进行可视化。therefore,流形学习可用来可视化。

  1. 等度量映射Isometric Mapping

测地线geodesic距离 : 低维嵌入流形上,两点间距离。

论断:以为高维空间中的直线距离在低维嵌入流形上是不可达的。

如何计算测地线距离

Dijkstra 或 Floyd

可参考它的算法

局部线性嵌入 Locally linear embedding LLE

results matching ""

    No results matching ""