最近在使用流形学习进行数据降维,但是产生的分类效果却很差,看到一篇文章讲述流形学习存在的问题,觉得很好,转载一下,原文找不到了,就发了那一篇的连接,如下:
https://blog.csdn.net/elasticnet/article/details/8852927
其中应用过程中主要面临的问题有:
- 投影后的维度d与邻域k的大小不好确定
-
在UCI数据集上找到的数据,或者真实的数据(分类问题),不管怎么调节参数,使用isomap算法与LLE算法效果都很差
-
没有一个映射矩阵用于新的数据,需要对这个问题进行解决,我看有的人提出了增量学习用于解决这个问题
-
有的模型训练效果时间很长
-
我查了很多相关流形学习的文献,国内的学者主要将流形学习应用到图像识别的应用中,用到其他方面的少,可能图像识别的效果是最好的吧
其中想要实现流形学习,最简单的方法是使用sklearn.manifold包,具体的连接如下:
https://scikit-learn.org/stable/modules/manifold.html#locally-linear-embedding