Я пытаюсь понять многообразное обучение для уменьшения размерности.Большинство примеров, которые я вижу, используют Isomap или LLE только для данных изображения, чтобы проецировать их на 2d, где можно анализировать отношения между различными точками данных.
Поскольку это методы уменьшения размерности, мне было интересно, возможно ли использовать этиметоды для нахождения представления в меньшем количестве измерений, которые можно использовать для восстановления исходных данных, как мы делаем с PCA.
Так что мы можем использовать Isomap или LLE или какую-то другую технику обучения многообразия, чтобы уменьшить размеры данных изображениякак PCA, или они просто находят прогнозы, где отношения между точками данных могут быть лучше видны?