Manifold Learning

定义 Definition

流形学习：一种非线性降维方法，假设高维数据实际分布在一个更低维的“流形”（可理解为弯曲的低维空间）上，通过保持局部邻近关系或几何结构，把数据映射到低维表示，便于可视化、聚类或后续建模。常见方法包括 Isomap、LLE、Laplacian Eigenmaps、t-SNE、UMAP 等。（不同方法对“保持结构”的侧重点不同。）

发音 Pronunciation

/ˈmænɪˌfoʊld ˈlɝːnɪŋ/

例句 Examples

Manifold learning can reduce a 100-dimensional dataset to 2D for visualization.
流形学习可以把100维的数据集降到二维用于可视化。

By assuming the data lie on a low-dimensional manifold, manifold learning helps uncover the underlying structure of complex observations like images or sensor readings.
通过假设数据位于低维流形上，流形学习有助于揭示图像或传感器读数等复杂观测背后的结构。

词源 Etymology

manifold 原意为“多种多样的；多重的”，也可作名词指“管汇/歧管”等结构；在数学中 manifold（流形） 指一种“局部看起来像欧几里得空间”的空间。learning 在此指机器学习中的“从数据中学习”。因此 manifold learning 字面含义是“学习（数据所在的）流形结构”，引申为“基于流形假设的降维/表示学习”。

相关词 Related Words

• Dimensionality Reduction
• Nonlinear
• Manifold
• Isomap
• LLE
• Laplacian Eigenmaps
• t-SNE
• UMAP
• Embedding
• Geodesic

文献作品 Literary Works

• “Nonlinear Dimensionality Reduction by Locally Linear Embedding”（Roweis & Saul, 2000）
• “A Global Geometric Framework for Nonlinear Dimensionality Reduction”（Tenenbaum, de Silva & Langford, 2000，提出 Isomap）
• “Laplacian Eigenmaps for Dimensionality Reduction and Data Representation”（Belkin & Niyogi, 2003）
• Pattern Recognition and Machine Learning（Christopher M. Bishop，书中相关章节讨论降维与表示）
• The Elements of Statistical Learning（Hastie, Tibshirani & Friedman，涉及降维与非线性方法背景）