流形学习(Manifold Learning)

非线性降维。

输入

• 数据：输入数据集

输出

• 转换的数据：维度减少的数据集

功能

流形学习是一种在高维空间内找到非线性流形的技术。小部件将输出与二维空间相对应的新坐标。其后可以使用散点图(Scatter Plot)或其他可视化窗口小部件来可视化此类数据。

界面

1. 流形学习方法:
   • t-SNE
   • MDS, see also MDS
   • Isomap
   • Locally Linear Embedding
   • Spectral Embedding
2. 设置参数:
   • t-SNE (distance measures):
     • Euclidean distance
     • Manhattan
     • Chebyshev
     • Jaccard
     • Mahalanobis
     • Cosine
   • MDS (iterations and initialization):
     • max iterations: maximum number of optimization interactions
     • initialization: method for initialization of the algorithm (PCA or random)
   • Isomap:
     • number of neighbors
   • Locally Linear Embedding:
     • method:
       • standard
       • modified
       • hessian eigenmap
       • local
     • number of neighbors
     • max iterations
   • Spectral Embedding:
     • affinity:
       • nearest neighbors
       • RFB kernel
3. 输出：精简特征（成分）的数量。
4. 如果勾选了 自动应用，则更改将自动传播。 或者，单击应用。
5. 生成报告。

流形学习(Manifold Learning) 小部件为高维数据生成不同的嵌入

从左到右，从上到下：t-SNE, MDS, Isomap, Locally Linear Embedding 和 Spectral Embedding.

示例

流形学习(Manifold Learning) 小部件可将高维数据转换为低维近似值。这非常适合可视化具有许多特征的数据集。 我们使用 voting.tab 将 16 维数据映射到 2D 图形上。然后，我们使用散点图(Scatter Plot)绘制嵌入图。

反馈问题

文档有问题? 或者有其他意见和建议? 请在本文档的 Github 仓库直接反馈

点我反馈

进入反馈页面不知道如何反馈, 请点击这里