流型-manifold
在很多机器学习的文章中会见到“嵌入在高维空间的低维流型”这样的字眼,下记录一些重要概念。
参考资料:https://blog.csdn.net/sinat_32043495/article/details/78997758
1.流型
局部具有欧几里得空间性质的空间(流型就是一个空间,欧几里得空间就是流型最简单的实例)
简单来讲:流型就是d维空间,在m维空间进行扭曲的结果(m>d),需要注意的是,流形并不是一个形状,而是一个空间。
严谨些说:d维流形是在任意点处都同胚于d维欧式空间的空间。
2.n维拓扑流型:局部为拓扑空间的流型、
拓扑空间:是一个集合 X和其上定义的拓扑结构组成的二元组
3.流型学习:高维空间有冗余,只要用更少的维度就能表示希望的数据,那么高的维度没有必要。所以可以利用流型学习的观点进行非线性降维。传统的降维算法多是用欧式距离作为两点间距离的度量。采用欧氏距离作为度量尺度,会丢失“数据的结构特征”。
机器学习:建立带参数的模型,让机器从数据中求解模型参数
流形学习:建立模型时,包含了对数据流形的假设,再学习流形的参数。