一句话总结等距映射(流形学习)

简介: 一句话总结等距映射(流形学习)

一句话总结等距映射(流形学习)



核心:将样本投影到低维空间之后依然保持相对距离关系。



等距映射使用了微分几何中测地线的思想,它希望数据在向低维空间映射之后能够保持流形上的测地线距离。所谓测地线,就是在地球表面上两点之间的最短距离对应的那条弧线。直观来看,就是投影到低维空间之后,还要保持相对距离关系,即投影之前距离远的点,投影之后还要远,投影之前相距近的点,投影之后还要近。



我们可以用将地球仪的三维球面地图投影为二维的平面地图来理解:


image.png



投影成平面地图后为:

image.png



在投影之前的地球仪上,美国距离中国远,泰国距离中国近,投影成平面地图之后,还要保持这种相对远近关系。



等距映射是一种无监督学习算法,是一种非线性降维算法。


相关文章
|
4月前
|
机器学习/深度学习 运维 监控
基于特征子空间的高维异常检测:一种高效且可解释的方法
本文探讨了一种替代传统单一检测器的方法,通过构建多个专注于特征子集(子空间)的检测器系统,来提高异常检测的准确性和效率。文章详细介绍了子空间方法在处理高维数据时的优势,包括缓解维度灾难、提高异常检测的可解释性和计算效率。同时,文中还讨论了子空间的选择策略,如基于领域知识、相关性、随机选择等,并介绍了PyOD工具包中实现子空间异常检测的具体方法。通过这些技术,异常检测系统能够更有效地识别数据中的异常记录,尤其是在特征数量众多的情况下。
114 9
基于特征子空间的高维异常检测:一种高效且可解释的方法
|
10月前
|
Python
三点映射变换
【5月更文挑战第15天】三点映射变换。
66 1
【Hammerstein模型的级联】快速估计构成一连串哈默斯坦模型的结构元素研究(Matlab代码实现)
【Hammerstein模型的级联】快速估计构成一连串哈默斯坦模型的结构元素研究(Matlab代码实现)
128 0
|
Web App开发 移动开发
|
机器学习/深度学习 资源调度 PyTorch
PyTorch实现随机傅里叶特征映射的示例代码
这里我们定义了一个名为RFFeatureMap的类,它继承自PyTorch的nn.Module类。该类接受输入维度input_dim、输出维度output_dim和高斯核参数sigma作为参数。在初始化函数中,我们生成了随机正弦和余弦函数的系数omega和随机偏移量b,并将它们保存在该类的实例变量中。 在前向函数中,我们首先将输入x转换为形状为(batch_size, input_dim)的张量。然后我们通过点乘x和omega的转置,加上偏移量b,并应用余弦函数,计算出特征映射z。最后我们返回特征映射z。
439 0
|
算法
基于小波域的隐马尔可夫树模型的图像去噪方法的matlab实现代码
基于小波域的隐马尔可夫树模型的图像去噪方法的matlab实现代码
241 0
基于小波域的隐马尔可夫树模型的图像去噪方法的matlab实现代码
|
机器学习/深度学习 编解码 计算机视觉
可变形卷积在视频学习中的应用:如何利用带有稀疏标记数据的视频帧
可变形卷积在视频学习中的应用:如何利用带有稀疏标记数据的视频帧
250 0
可变形卷积在视频学习中的应用:如何利用带有稀疏标记数据的视频帧
|
机器学习/深度学习 算法 开发者
自组织特征映射神经网络-1|学习笔记
快速学习自组织特征映射神经网络-1
自组织特征映射神经网络-1|学习笔记
|
机器学习/深度学习 算法 开发者
自组织特征映射神经网络-2|学习笔记
快速学习自组织特征映射神经网络-2
自组织特征映射神经网络-2|学习笔记