算法总结(六)Isomap(Isometric mapping等度量映射)和LLE(Locally Linear Embedding)的理解
发布日期:2021-06-29 06:03:38
浏览次数:2
分类:技术文章
本文共 552 字,大约阅读时间需要 1 分钟。
学习资料
《机器学习》周志华
在算法总结(五)里面我们看到了MDS算法,它首先是利用样本生成距离矩阵D,然后根据D形成我们的内积矩阵B,然后对B进行特征值分解,取前P个特征值,把原矩阵B降为P维,然后利用这p个特征值形成新的样本Z,这就完成了降维的过程
- Isomap
这里有一个东西,需要注意的是关于这个距离矩阵D,我们可以直接做出欧式距离,但是有些数据在空间的分布,并不是欧式距离越近就表明他们的关系越近,这里面就有一个概念叫做流行,也就是有些数据它在空间的分布就像一个扭曲的带状或者球形等,一个常见的例子就是关于地球仪,如果南极到北极,欧式距离就是点到点的直线距离,但是蚂蚁并不能这样走过去,所以,另外一个距离是它需要按经线方向走,才能走出最短距离,这个距离我们称之为测地距离
Isomap算法的核心就是把MDS算法里面的欧式距离改成了测地距离,但是如何把离散的样本构造出测地距离,Isomap算法利用了邻接(Graph)图来计算 ,然后利用Floyd算法或Dijkstra算法计算出两点之间的最短路径,关于Floyd算法核Dijkstra算法可算是经典的算法了
- LLE
LLE算法同样利用了领域图,不过,它更在意局部的信息,所以,它的处理方式是根据局部的信息对数据点重构降维,具体的计算方式可以根据
转载地址:https://blog.csdn.net/zhouzhouasishuijiao/article/details/86005422 如侵犯您的版权,请留言回复原文章的地址,我们会给您删除此文章,给您带来不便请您谅解!
发表评论
最新留言
路过,博主的博客真漂亮。。
[***.116.15.85]2024年04月22日 20时34分52秒
关于作者
喝酒易醉,品茶养心,人生如梦,品茶悟道,何以解忧?唯有杜康!
-- 愿君每日到此一游!
推荐文章
2020-11-28
2019-04-29
2020-11-28
2019-04-29
2020-11-28
2019-04-29
2020-11-29
2019-04-29
2020-11-30
2019-04-29
2020-11-30
2019-04-29
2020-11-30
2019-04-29
2020-11-30
2019-04-29
2020-11-30
2019-04-29
2020-11-30
2019-04-29
2020-11-30
2019-04-29
2020-11-30
2019-04-29
2020-12-01
2019-04-29
2020-12-01
2019-04-29
2020-12-01
2019-04-29
2020-12-01
2019-04-29
2020-12-01
2019-04-29
2020-12-01
2019-04-29
2020-12-01
2019-04-29
2020-12-01
2019-04-29