流形学习——Isomap算法

Isomap算法介绍

Isomap（Isometric Feature Mapping）是流行学习的一种，用于非线性数据降维，是一种无监督算法。

它所采用的核心算法和MDS是一致的，区别在于原始空间中的距离矩阵的计算上。很多数据是非线性结构，不适合直接采用PCA算法和MDS算法。在非线性数据结构中，流形上距离很远（测地线距离）的两个数据点，在高维空间中的距离（欧式距离）可能非常近，如下图所示：

只有测地线距离才反映了流形的真实低维几何结构。Isomap建立在MDS的基础上，保留的是非线性数据的本质几何结构，即任意点对之间的测地线距离。

现在的问题是怎么根据输入空间距离信息估计测地线距离？对于邻居数据点，其输入空间距离可以很好地近似测地线距离。在每个数据点和其邻居点之间添加加权边，得到一个连接图。距离较远的数据点之间的测地线距离可以通过最短路径距离近似。

Isomap算法总共分为三步。首先，为每个数据点确定邻居，有两种方式，一种是把最近的$k$个作为邻居，一种是把半径