降维算法分为线性和非线性两大类，主成分分析PCA属于经典的线性降维，而t-SNE, MDS等属于非线性降维。在非线性降维中，有一个重要的概念叫做流形学习manifold learing。首先来看下什么叫做流形，流形是一般几何对象的总称，包括各种维度的曲线和曲面，简单理解就是数据本身的分布满足一定的几何特征，以下图中的"瑞士卷"为例可以看到，在三维空间中，样本点的分布构成了一个瑞士卷的形状，这个瑞士
原创
2022-06-21 09:45:12
439阅读
## 机器学习Isomap实验
### 流程图
```mermaid
flowchart TD
A(数据准备) --> B(特征选择)
B --> C(降维)
C --> D(建模)
D --> E(评估)
E --> F(结果分析)
```
### 1. 数据准备
在进行Isomap实验之前，我们首先需要准备好数据集。数据集应该包含一系列样本和其对
原创
2023-09-04 14:10:01
24阅读
Isomap Embedding 等距特征映射是一种新颖,高效的非线性降维技术,它的一个突出优点是只有两个参数需要设定,即邻域参数和嵌入维
原创
2024-05-19 21:04:31
53阅读
的数据进行应用而产生了各种各样的
转载
2020-09-08 20:00:00
403阅读
2评论
分类预测 | MATLAB实现基于Isomap降维算法与改进蜜獾算法IHBA的Adaboost-SVM集成多输入分类预测
原创
2024-03-11 11:43:16
22阅读
机器学习降维方法概括 版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog..net/u014772862/ar
转载
2016-11-06 19:49:00
795阅读
2评论
PCA和线性回归的区别： 左边是线性回归，右边是PCA，PCA算的是投影误差的平方 t-SNE vs PCA至于t-SNE为啥牛， 这里给两个对比图片， 然后我们再回到PCA，以后有机会再扩展！t-SNE vs PCA： 可以看到线性特征表达的局限性 t-SNE 优于 已有非线性特征表达 Isomap, LLE 和 Sammon mapping 依然还记得2004年左右Isomap横空
转载
2024-07-08 06:17:15
35阅读
debug offsplashp_w_picpath /xpm.gztimeout 5default 0gfxmenu /MESSAGEtitle [00] Ubuntu Server Linux x64 12.4find --set-root /iso/ubuntu.isomap --heads=0 --sectors-per-track=0 /iso/ubuntu.iso (0xff)map
原创
2014-04-21 22:55:34
644阅读
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档 Iosamp算法一、数据降维二、Isomap三、构建Isomap的三个步骤1.确定流形上的邻域2.构建距离矩阵3.MDS算法总结参考论文 一、数据降维研究大量高维数据时，需要从中提取出有意义的低维结构，便于进行进一步的数据分析，例如在日常生活中，人脑通过3000根听觉神经和10e6根视觉神经提取出少量与感知相关的特征。之前常用的方法
转载
2023-10-23 20:09:47
96阅读
一、源代码tic % 计时器%% 清空环境变量close allclearclc%format compact load('ISSL-Isomap.mat')% load CMPE原始% mappedX=X;%% 数据提取zc=mappedX(1:60,:);%特征输入lie=mappedX(61:120,:);mo=mappedX(121:180,:);que=mappedX(181:240,:);duan=mappedX(241:300,:);mm=size(zc,1
原创
2021-08-07 09:40:40
256阅读
一、源代码tic % 计时器%% 清空环境变量close allclearclc%format compact load('ISSL-Isomap.mat')% load CMPE原始% mappedX=X;%% 数据提取zc=mappedX(1:60,:);%特征输入lie=mappedX(61:120,:);mo=mappedX(121:180,:);que=mappedX(181:240,:);duan=mappedX(241:300,:);mm=size(zc,1
原创
2022-04-09 10:42:20
100阅读
一、源代码tic % 计时器%% 清空环境变量close allclearclc%format compact load('ISSL-Isomap.mat')% load CMPE原始% mappedX=X;%% 数据提取zc=mappedX(1:60,:);%特征输入lie=mappedX(61:120,:);mo=mappedX(121:180,:);que=mappedX(181:240,:);duan=mappedX(241:300,:);mm=size(zc,1
原创
2021-11-08 09:54:46
119阅读
特征降维方法包括：Lasso，PCA，小波分析，LDA，奇异值分解SVD，拉普拉斯特征映射，SparseAutoEncoder，局部线性嵌入LLE，等距映射Isomap。1. LASSO通过参数缩减达到降维的目的LASSO(Least absolute shrinkage and selection operator, Tibshirani(1996)) 该方法是一种压缩估计，通过构造一
转载
2024-09-07 18:59:02
56阅读
特征降维方法包括：Lasso，PCA，小波分析，LDA(Linear Discriminant Analysis线性判别分析)，LDA(Latent Dirichlet Allocation潜在狄利克雷分配)，奇异值分解SVD，拉普拉斯特征映射，深度学习SparseAutoEncoder，局部线性嵌入LLE，等距映射Isomap，word2vec。1. LASSO通过参数缩减达到降维的目的。LAS
转载
2024-05-09 12:41:25
53阅读
特征降维方法包括：Lasso，PCA，小波分析，LDA(Linear Discriminant Analysis线性判别分析)，LDA(Latent Dirichlet Allocation潜在狄利克雷分配)，奇异值分解SVD，拉普拉斯特征映射，深度学习SparseAutoEncoder，局部线性嵌入LLE，等距映射Isomap，word2vec。1. LASSO通过参数缩减达到降维的目的。LAS
本章主要介绍了最常见的 PCA 主成分分析、NMF 非负矩阵分解等无监督模型，举例说明使用使用非监督模型对多维度特征数据集进行降维的意义及实用方法。对 MDS 多维标度法、LLE 局部线性嵌入法、Isomap 保距映射法、t-SNE 分布邻域嵌入算法等 ML 流形学习模型的基础使用方法进行讲解
原创
2021-08-02 11:19:12
750阅读
最近刷题看到特征降维相关试题，发现自己了解的真是太少啦，只知道最简单的降维方法，这里列出了常见的降维方法，有些算法并没有详细推导。特征降维方法包括：Lasso，PCA，小波分析，LDA，奇异值分解SVD，拉普拉斯特征映射，SparseAutoEncoder，局部线性嵌入LLE，等距映射Isomap。1. LASSO通过参数缩减达到降维的目的。LASSO(Least absolute shrinka
转载
2024-01-04 18:12:48
93阅读
本周关于降维的学习主要分为五类：PCA、LDA、LLE、tSNE、ISOMAP 来进行学习 首先自己的任务是：tSNE的学习 （一）降维的基本知识点总结 1、降维方法分为线性和非线性降维，非线性降维又分为基于核函数和基于特征值的方法。 （1）线性降维：PCA、ICA、LDA、LFA、LPP （2）非线性降维方法：①基于核函数的方法：KPCA、KICA、KDA ②基于特征值的方法：IS
转载
2024-04-08 08:25:43
101阅读
前言
在上篇《 Python 机器学习实战 —— 无监督学习（上）》介绍了数据集变换中最常见的 PCA 主成分分析、NMF 非负矩阵分解等无监督模型，举例说明使用使用非监督模型对多维度特征数据集进行降维的意义及实用方法。对 MDS 多维标度法、LLE 局部线性嵌入法、Isomap 保距映射法、t-SNE 分布邻域嵌入算法等 ML 流形学习模型的基础使用方法进行讲解。本文将对聚类算法进行讲解，聚类
转载
2021-08-13 15:49:20
216阅读
目录前言一、对Iris数据集应用kmeans聚类方法进行离群点检测，并分别采用tsne、MDS、Isomap和PCA降维将原数据降到2维并在新数据中标出离群点1.1 数据准备1.2 离群点检测1.3 在降维后的数据上显示离群点二、使用Kmeans聚类、DBCAN聚类和BIRCH聚类方法分别对去除离群点前后的数据集进行聚类，最后通过比较他们的NMI值确定聚类效果的好坏2.1 设置Kmeans聚类、
转载
2023-10-01 11:46:32
394阅读
点赞
