【学习笔记】李宏毅2020ML&DL课程 13_2 Unsupervised Learning

Neighbor embedding - manifold learning

LLE

地球就是一个流形

流形学习就是将高维的（流形的）feature的摊平，摊平之后就可以用欧氏距离了。

假设空间中有两个点xi和xj，他们俩的关系为wij

LLE方法就是找到Zfunction

这需要调整LLE 的neighbor选几个

拉普拉斯特征图

将相似度高的点连起来成为一个graph

t-SNE

如右图，图片data中有些点形成了一些圈圈，意味着有些object虽然很像，但是旋转之后（换个角度）看完全不一样了。

计算所有pairs的相似度。

我们需要衡量两个distribution的相似度，算KL散度

之前算similarity的方法：

SNE方法：

t-SNE方法：

t-SNE会把data gap强化，将同类聚起来