关于什么是流形和流形学习(Manifold Learning),作为一种针对非线性数据的降维方法的算法的研究,有很多优秀的文章博客可以供大家学习,这里贴几篇文章供大家参考看看Manifold Learning | SpringerLink
https://arxiv.org/abs/2011.01307
这里直接介绍三个算法思想:
1)多维缩放模型(Multi-dimensional Scaling (MDS))
2)等距离特征映射模型(Isometric Feature Mapping (ISOMAP))
3)局部线性嵌入模型(Locally Linear Embedding (LLE))
首先我们明确这些算法的目的:
这些算法都是为了实现将处于高纬度的数据集,通过一个函数变换,将原空间的数据映射到低维度空间上,且该映射要做到尽可能保留数据在原空间上点与点的距离关系。
多维缩放模型(Multi-dimensional Scaling (MDS))
给定一个高纬度数据集 ( N个样本,d个特征)的内积距离矩阵 ,其中(可以看出该算法模型的好处,不需要知道原数据的特征信息,只需要获得距离矩阵即可),接着我们假设一个要求的目标空间p维度(p<d),则目标空间里点与点(