MachineLearning(3)-流型
生活随笔
收集整理的這篇文章主要介紹了
MachineLearning(3)-流型
小編覺得挺不錯(cuò)的,現(xiàn)在分享給大家,幫大家做個(gè)參考.
流型-manifold
在很多機(jī)器學(xué)習(xí)的文章中會見到“嵌入在高維空間的低維流型”這樣的字眼，下記錄一些重要概念。
參考資料：https://blog.csdn.net/sinat_32043495/article/details/78997758
1.流型
局部具有歐幾里得空間性質(zhì)的空間（流型就是一個(gè)空間，歐幾里得空間就是流型最簡單的實(shí)例）
簡單來講：流型就是d維空間，在m維空間進(jìn)行扭曲的結(jié)果(m>d)，需要注意的是，流形并不是一個(gè)形狀，而是一個(gè)空間。
嚴(yán)謹(jǐn)些說：d維流形是在任意點(diǎn)處都同胚于d維歐式空間的空間。
2.n維拓?fù)淞餍?/strong>：局部為拓?fù)淇臻g的流型、
拓?fù)淇臻g：是一個(gè)集合 X和其上定義的拓?fù)浣Y(jié)構(gòu)組成的二元組
3.流型學(xué)習(xí)：高維空間有冗余，只要用更少的維度就能表示希望的數(shù)據(jù)，那么高的維度沒有必要。所以可以利用流型學(xué)習(xí)的觀點(diǎn)進(jìn)行非線性降維。傳統(tǒng)的降維算法多是用歐式距離作為兩點(diǎn)間距離的度量。采用歐氏距離作為度量尺度，會丟失“數(shù)據(jù)的結(jié)構(gòu)特征”。
機(jī)器學(xué)習(xí)：建立帶參數(shù)的模型，讓機(jī)器從數(shù)據(jù)中求解模型參數(shù)
流形學(xué)習(xí)：建立模型時(shí)，包含了對數(shù)據(jù)流形的假設(shè)，再學(xué)習(xí)流形的參數(shù)。
總結(jié)
以上是生活随笔為你收集整理的MachineLearning(3)-流型的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： MachineLearning(5)-去
- 下一篇： PaperNotes(6)-GAN/DC