Qual é a diferença entre aprendizado múltiplo e redução de dimensionalidade não linear?

9

Qual é a diferença entre aprendizado múltiplo e redução de dimensionalidade não linear ?


Eu já vi esses dois termos sendo usados ​​de forma intercambiável. Por exemplo:

http://www.cs.cornell.edu/~kilian/research/manifold/manifold.html :

O aprendizado múltiplo (também conhecido como redução de dimensionalidade não linear) busca o objetivo de incorporar dados que originalmente se encontram em um espaço dimensional alto em um espaço dimensional inferior, preservando as propriedades características.

http://www.stat.washington.edu/courses/stat539/spring14/Resources/tutorial_nonlin-dim-red.pdf :

Neste tutorial, 'aprendizado múltiplo' e 'redução de dimensionalidade' são usados ​​de forma intercambiável.

https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3337666/ :

Os métodos de redução de dimensionalidade são uma classe de algoritmos que usam variedades matematicamente definidas para amostragem estatística de classes multidimensionais para gerar uma regra de discriminação com precisão estatística garantida.

No entanto, http://scikit-learn.org/stable/modules/manifold.html possui mais nuances:

A aprendizagem múltipla é uma abordagem para a redução da dimensionalidade não linear.

Uma primeira diferença que pode ver que é um tubo de distribuição pode ser linear, por conseguinte, deve-se comparar não linear aprendizagem colector e redução dimensionalidade não-linear.

Franck Dernoncourt
fonte

Respostas:

4

A redução da dimensionalidade não linear ocorre quando o método usado para a redução assume que o coletor no qual estão as variáveis ​​latentes é, bem ... não linear.

Portanto, para métodos lineares, o coletor é um plano n-dimensional, ou seja, superfície afim, para métodos não lineares não é.

O termo "aprendizagem múltipla" geralmente significa métodos geométricos / topológicos que aprendem a variedade não linear.

Assim, podemos pensar no aprendizado múltiplo como um subconjunto de métodos de redução de dimensionalidade não lineares.

Sengiley
fonte