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:
  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:
      • 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