¿Cuál es la diferencia entre colector aprendizaje y reducción de la dimensionalidad no lineal ?
He visto que estos dos términos se utilizan indistintamente. Por ejemplo:
http://www.cs.cornell.edu/~kilian/investigación/manifold/manifold.html :
El aprendizaje de manifiestos (a menudo también denominado reducción de la dimensionalidad no lineal) persigue el objetivo de incrustar datos que originalmente se encuentran en un espacio de alta dimensión en un espacio de menor dimensión, preservando las propiedades características.
http://www.stat.washington.edu/courses/stat539/spring14/Resources/tutorial_nonlin-dim-red.pdf :
En este tutorial, "aprendizaje múltiple" y "reducción de la dimensionalidad" se utilizan indistintamente.
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3337666/ :
Los métodos de reducción de la dimensionalidad son una clase de algoritmos que utilizan colectores definidos matemáticamente para el muestreo estadístico de clases multidimensionales con el fin de generar una regla de discriminación de precisión estadística garantizada.
Sin embargo, http://scikit-learn.org/stable/modules/manifold.html es más matizado:
El aprendizaje múltiple es un enfoque de reducción de la dimensionalidad no lineal.
Una primera diferencia que veo es que un colector puede ser lineal, por lo que habría que comparar no lineal aprendizaje múltiple y reducción de la dimensionalidad no lineal.
