Я хочу восстановить многомерные данные из низкоразмерного изученного многообразия.
scikit-learn включает различные реализации, как и megaman. Из их поддерживаемых алгоритмов я понимаю, что только LTSA для поддерживает реконструкцию .
Я знаю, как использовать обе данные библиотеки для изучения многообразия. Чего я не знаю: как использовать любую из библиотек для восстановления многомерных данных из низкоразмерного изученного многообразия?
РЕДАКТИРОВАТЬ: Из моего текущего понимания kNN должен используется для реконструкции и требует достаточной плотности в зонах реконструкции. Цитата из Статистика, интеллектуальный анализ данных и машинное обучение в астрономии: Практическое Python Руководство по анализу данных обследований (стр. 304):
Потому что многостороннее обучение методы обычно не предоставляют набор базовых функций, любое отображение из встроенного пространства в многомерное входное пространство должно выполняться посредством реконструкции, основанной на расположении ближайших соседей. Это означает, что проекцию, полученную с помощью этих методов, нельзя использовать для сжатия данных способом, аналогичным PCA. Полный набор входных данных и полные проецируемые данные должны быть доступны, чтобы отобразить новые точки между двумя пространствами.
Так что вполне может быть, что обе библиотеки не предоставляют функцию быстрого доступа для реконструкции. Поэтому я также приветствую подходы, основанные на предложении цитаты или других.