Nelineární redukce rozměrnosti
Svět je vyroben z obrovského množství komplexních dat. Objevovat skrytá objednávka v pytli dat může být viděna jako rozměrnost problém redukce, procházet od unmanagable dimenze k pochopitelnému rozměru.Tento problém je velmi běžný ve zpracování dat množství výzkumu a inženýrství byli oddaní tématu v posledních 30 rokách.
Tady jsou některé důležité algoritmy v minulosti různého učení a nelineární rozměrnost redukce.
- Pairwise vzdálenostní metody.
- Vícerozměrné oškrabávání (MDS), non-metrický MDS, Sammon mapování, etc.
- Lineární metody, analýza nezávislých složek (ICA),
- Hlavní komponentní analýza (PCA) nebo Karhunen-Ločve převádět (KLT),
- pozoruhodné hodnotové rozložení (SVD),
- Topographic mapuje.
- Pružná síť, Self-organizovat mapy (SOM), generativní topographic mapovat (GTM).
- Ředitel zatáčí a se vynořuje.
- Neuronová síť metody.
- Nelineární autoencoders, jádro PCA, jádro ICA.
- Isomap.
- Místně lineární vkládat (LLE).
Místně lineární prostoupení
LLE je velmi efektivní a jednoduchý.
(těšit vysvětlit algoritmus tady)