Apa perbedaan antara banyak pembelajaran dan pengurangan dimensi non-linear ?
Saya telah melihat kedua istilah ini digunakan secara bergantian. Sebagai contoh:
http://www.cs.cornell.edu/~kilian/research/manifold/manifold.html :
Manifold Learning (sering juga disebut sebagai pengurangan dimensi non-linear) mengejar tujuan untuk menanamkan data yang awalnya terletak di ruang dimensi tinggi di ruang dimensi yang lebih rendah, sambil mempertahankan sifat-sifat karakteristik.
http://www.stat.washington.edu/courses/stat539/spring14/Resources/tutorial_nonlin-dim-red.pdf :
Dalam tutorial ini 'banyak pembelajaran' dan 'pengurangan dimensi' digunakan secara bergantian.
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3337666/ :
Metode reduksi dimensi adalah kelas algoritma yang menggunakan manifold yang didefinisikan secara matematis untuk pengambilan sampel statistik kelas multidimensi untuk menghasilkan aturan diskriminasi akurasi statistik yang terjamin.
Namun, http://scikit-learn.org/stable/modules/manifold.html lebih bernuansa:
Manifold learning adalah pendekatan pengurangan dimensi non-linear.
Salah satu perbedaan pertama yang saya lihat adalah bahwa berjenis bisa menjadi linear, maka salah satu harus membandingkan non-linear berjenis belajar dan pengurangan dimensi non-linear.
sumber