Введение

Нелинейное понижение размерности, также известное как обучение на многообразиях, представляет собой совокупность различных взаимосвязанных методов, направленных на проецирование данных высокой размерности на скрытые многообразия меньшей размерности. Целью этого является либо визуализация данных в пространстве меньшей размерности, либо изучение самого отображения (как из пространства высокой размерности в низкоразмерное представление, так и обратно). Методы, описанные ниже, можно рассматривать как обобщения линейных методов разложения, используемых для понижения размерности, таких как сингулярное разложение и метод главных компонент.

Применение NLDR

Рассмотрим набор данных, представленный в виде матрицы (или таблицы базы данных), где каждая строка представляет собой набор атрибутов (или признаков или измерений), описывающих конкретный экземпляр объекта. Если число атрибутов велико, то пространство уникальных возможных строк экспоненциально велико. Следовательно, чем выше размерность, тем сложнее проводить выборку из этого пространства. Это порождает множество проблем. Алгоритмы, работающие с данными высокой размерности, как правило, имеют очень высокую вычислительную сложность. Многие алгоритмов машинного обучения, например, испытывают трудности при работе с данными высокой размерности. Уменьшение размерности данных часто повышает эффективность алгоритмов анализа и помогает алгоритмам машинного обучения делать более точные прогнозы. Людям часто сложно понимать данные в высокой размерности. Таким образом, снижение размерности до небольшого числа измерений полезно для визуализации. Представления данных с уменьшенной размерностью часто называют "внутренними переменными". Это подразумевает, что именно эти значения генерировали данные. Например, рассмотрим набор данных, содержащий изображения буквы "А", которые были масштабированы и повернуты на различные углы. Каждое изображение имеет размер 32x32 пикселя. Каждое изображение можно представить в виде вектора из 1024 значений пикселей. Каждая строка представляет собой выборку на двумерном многообразии в 1024-мерном пространстве (пространстве Хэмминга). Внутренняя размерность равна двум, поскольку для генерации данных изменялись две переменные (поворот и масштаб). Информация о форме или внешнем виде буквы "А" не является частью внутренних переменных, поскольку она одинакова для всех экземпляров. Нелинейное снижение размерности отбрасывает коррелированную информацию (букву "А") и восстанавливает только изменяющуюся информацию (поворот и масштаб). На изображении справа показаны примеры изображений из этого набора данных (для экономии места не все входные изображения показаны) и график двумерных точек, полученных в результате использования алгоритма NLDR (в данном случае использовался Manifold Sculpting) для снижения размерности данных до двух. Для сравнения, если использовать метод главных компонент (PCA), являющийся алгоритмом линейного снижения размерности, для снижения размерности того же набора данных до двух, то полученные значения будут организованы менее упорядоченно. Это демонстрирует, что высокомерные векторы (каждый из которых представляет букву "А"), которые выбирают это многообразие, изменяются нелинейным образом. Следовательно, должно быть очевидно, что NLDR имеет множество применений в области компьютерного зрения. Например, рассмотрим робота, использующего камеру для навигации в замкнутой статической среде. Изображения, полученные камерой, можно рассматривать как выборки на многообразии в высокомерном пространстве, а внутренние переменные этого многообразия будут представлять положение и ориентацию робота. Инвариантные многообразия представляют общий интерес для снижения порядка модели в динамических системах. В частности, если в фазовом пространстве существует притягивающее инвариантное многообразие, то близлежащие траектории будут сходиться к нему и оставаться на нем неопределенно долго, что делает его кандидатом на снижение размерности динамической системы. Хотя существование таких многообразий не гарантируется в общем случае, теория спектральных подмногообразий (SSM) предоставляет условия для существования уникальных притягивающих инвариантных объектов в широком классе динамических систем. Активные исследования в области NLDR направлены на раскрытие наблюдаемых многообразий, связанных с динамическими системами, для разработки методов моделирования. Ниже перечислены некоторые из наиболее известных методов нелинейного снижения размерности.

Карта Саммона

Картографирование Саммона — одна из первых и наиболее популярных техник НЛДР.

Самоорганизующаяся карта

Самоорганизующаяся карта (SOM, также называемая картой Кохонена) и её вероятностный вариант – генеративное топографическое отображение (GTM) – используют точечное представление во вложенном пространстве для построения латентной модели, основанной на нелинейном отображении из вложенного пространства в многомерное пространство. Эти методы связаны с исследованиями в области сетей плотности, которые также базируются на той же вероятностной модели.

Анализ основных компонентов ядра

Возможно, наиболее широко используемым алгоритмом для понижения размерности является Kernel PCA. PCA начинается с вычисления матрицы ковариации исходной матрицы, а затем проецирует данные на первые k собственных векторов этой матрицы. В отличие от этого, Kernel PCA начинается с вычисления матрицы ковариации данных после их преобразования в пространство более высокой размерности, а затем проецирует преобразованные данные на первые k собственных векторов этой матрицы, как и PCA. Он использует "трюк с ядром" (kernel trick) для сокращения объема вычислений, позволяя выполнить весь процесс без фактического вычисления . Разумеется, необходимо выбирать таким образом, чтобы для него существовало известное соответствующее ядро. К сожалению, найти подходящее ядро для конкретной задачи – непростая задача, поэтому Kernel PCA не всегда дает хорошие результаты при использовании стандартных ядер. Например, известно, что он показывает плохие результаты с этими ядрами на многообразии "швейцарский ролл". Однако некоторые другие методы, хорошо работающие в подобных ситуациях (например, Laplacian Eigenmaps, LLE), можно рассматривать как частные случаи Kernel PCA, построив матрицу ядра, зависящую от данных. Kernel PCA имеет внутреннюю модель, поэтому его можно использовать для отображения точек в его пространство встраивания, которые не были доступны на этапе обучения.

Основные кривые и коллекторы

Основные кривые и многообразия предоставляют естественную геометрическую основу для нелинейного понижения размерности и расширяют геометрическую интерпретацию метода главных компонент (PCA), явно конструируя встроенное многообразие и кодируя данные с помощью стандартной геометрической проекции на это многообразие. Этот подход был впервые предложен Тревором Хэсти в его диссертации 1984 года, а затем формально представлен им в 1989 году. Эта идея получила дальнейшее развитие в работах многих авторов. Определение "простоты" многообразия зависит от конкретной задачи, однако обычно она оценивается внутренней размерностью и/или гладкостью многообразия. Как правило, основное многообразие определяется как решение задачи оптимизации, в целевой функции которой учитывается качество аппроксимации данных и штрафные слагаемые, связанные с изгибом многообразия. Популярными начальными приближениями служат результаты линейного PCA и самоорганизующихся карт Кохонена (SOM).

Эгенкарты Лапласа

Эгенкарты Лапласа используют спектральные методы для понижения размерности. Этот метод основывается на базовом предположении, что данные лежат на низкоразмерном многообразии в высокоразмерном пространстве. Этот алгоритм не может отображать точки, не входящие в обучающую выборку, но существуют методы, основанные на регуляризации пространства воспроизводящего ядра, для добавления этой возможности. Эти методы могут быть применены и к другим алгоритмам нелинейного понижения размерности. Традиционные методы, такие как анализ главных компонент, не учитывают внутреннюю геометрию данных. Эгенкарты Лапласа строят граф на основе информации о соседстве в наборе данных. Каждая точка данных служит узлом графа, а связь между узлами определяется близостью соседних точек (например, с использованием алгоритма k ближайших соседей). Полученный граф можно рассматривать как дискретное приближение низкоразмерного многообразия в высокоразмерном пространстве. Минимизация функции стоимости, основанной на графе, обеспечивает отображение близких друг к другу точек на многообразии в близкие друг к другу точки в пространстве пониженной размерности, сохраняя локальные расстояния. Собственные функции оператора Лапласа-Бельтрами на многообразии служат размерностями для встраивания, поскольку при умеренных условиях этот оператор имеет счетный спектр, являющийся базисом для квадратично интегрируемых функций на многообразии (аналогично ряду Фурье на многообразии единичного круга). Попытки обосновать эгенкарты Лапласа с теоретической точки зрения имели некоторый успех, поскольку при определенных не ограничивающих предположениях было показано, что матрица графа Лапласа сходится к оператору Лапласа-Бельтрами при увеличении числа точек до бесконечности. Алгоритм Isomap является комбинацией алгоритма Флойда-Уоршалла и классического многомерного масштабирования (МДС). Классический МДС принимает матрицу попарных расстояний между всеми точками и вычисляет положение для каждой точки. Isomap предполагает, что попарные расстояния известны только между соседними точками, и использует алгоритм Флойда-Уоршалла для вычисления попарных расстояний между всеми остальными точками. Это эффективно оценивает полную матрицу попарных геодезических расстояний между всеми точками. Затем Isomap использует классический МДС для вычисления позиций всех точек в пространстве пониженной размерности. Landmark Isomap – это вариант этого алгоритма, который использует опорные точки для повышения скорости, но с некоторой потерей точности. В обучении с использованием многообразий предполагается, что входные данные взяты из низкоразмерного многообразия, встроенного в пространство более высокой размерности. Основная идея MVU заключается в использовании локальной линейности многообразий и создании отображения, сохраняющего локальные окрестности в каждой точке базового многообразия.

Локально-линейная встраиваемость в Гесс (Hessian LLE)

Как и LLE, Hessian LLE также основан на методах работы с разреженными матрицами. Он, как правило, обеспечивает результаты значительно более высокого качества, чем LLE. К сожалению, его вычислительная сложность очень велика, поэтому он плохо подходит для работы с сильно дискретизированными многообразиями. Он не имеет внутренней модели.

Модифицированное локально-линейное встраивание (MLLE)

Модифицированный LLE (MLLE) – это еще один вариант LLE, использующий множественные веса в каждой окрестности для решения проблемы обусловленности локальной матрицы весов, приводящей к искажениям на картах LLE. По сути, множественные веса представляют собой локальные ортогональные проекции исходных весов, полученных с помощью LLE. Авторы этого регуляризованного варианта также являются разработчиками метода Local Tangent Space Alignment (LTSA), который неявно присутствует в формулировке MLLE, поскольку глобальная оптимизация ортогональных проекций каждого вектора веса, по сути, выравнивает локальные тангентные пространства каждой точки данных. Теоретические и эмпирические последствия правильного применения этого алгоритма весьма значительны.

Локальное выравнивание тангентного пространства

LTSA основана на интуиции, что когда многообразие правильно развернуто, все касательные гиперплоскости к этому многообразию выровняются. Алгоритм начинается с вычисления k ближайших соседей для каждой точки. Затем вычисляется касательное пространство в каждой точке путем определения d главных компонент в каждой локальной окрестности. После этого выполняется оптимизация для поиска отображения, которое выравнивает касательные пространства.

Максимальная разница в раскрытии

Максимальное развертывание дисперсии, Isomap и Локально линейное встраивание основаны на общей идее: если многообразие правильно развернуто, то дисперсия точек будет максимальной. Как и Isomap и Локально линейное встраивание, начальным шагом является поиск k ближайших соседей для каждой точки. Затем алгоритм стремится максимизировать расстояние между всеми не соседними точками, при этом сохраняя расстояния между соседними точками. Основным вкладом этого алгоритма является метод формулирования этой задачи как задачи полудефинитного программирования. К сожалению, решатели задач полудефинитного программирования обладают высокой вычислительной сложностью. Как и Локально линейное встраивание, данный алгоритм не имеет внутренней модели.

Автокодеры

Автокодер — это нейронная сеть прямого распространения, которая обучается аппроксимировать функцию идентичности. То есть, она обучается отображать вектор значений в тот же вектор. При использовании для снижения размерности один из скрытых слоев сети ограничивается небольшим количеством нейронов. Таким образом, сеть должна научиться кодировать вектор в небольшое число измерений, а затем декодировать его обратно в исходное пространство. Следовательно, первая половина сети представляет собой модель, отображающую пространство из высокой размерности в низкую, а вторая половина — из низкой в высокую. Хотя идея автокодеров достаточно стара, обучение глубоких автокодеров стало возможным лишь недавно благодаря использованию машин Больцмана с ограничениями и стековых шумоподавляющих автокодеров. Алгоритм NeuroScale связан с автокодерами и использует функции стресса, вдохновленные многомерным масштабированием и отображениями Саммона (см. выше), для обучения нелинейному отображению из пространства высокой размерности во встроенное пространство. Отображения в NeuroScale основаны на радиальных базисных функциях.

Модели латентных переменных гауссианских процессов

Латентные модели гауссовского процесса (GPLVM) — это вероятностные методы понижения размерности, использующие гауссовские процессы (GPs) для нахождения нелинейного низкоразмерного представления высокоразмерных данных. Они являются расширением вероятностной формулировки метода главных компонент (PCA). Модель определяется вероятностно, затем латентные переменные исключаются интегрированием, а параметры оцениваются путем максимизации правдоподобия. Подобно kernel PCA, они используют функцию ядра для формирования нелинейного отображения (в форме гауссовского процесса). Однако в GPLVM отображение происходит из латентного пространства в пространство данных (как в сетях плотности и GTM), в то время как в kernel PCA – в обратном направлении. Изначально метод был предложен для визуализации высокоразмерных данных, но впоследствии был расширен для построения общей многообразной модели между двумя пространствами наблюдений. GPLVM и его многочисленные варианты были специально разработаны для моделирования движений человека, например, GPLVM с обратным ограничением, динамическая модель GP (GPDM), сбалансированная GPDM (B GPDM) и топологически ограниченная GPDM. Для учета эффекта связи между многообразиями позы и походки при анализе походки была предложена многослойная совместная модель многообразий позы и походки.

t-распределенное встраивание стохастического соседа

t-распределенное стохастическое вложение соседей (t-SNE) широко используется. Оно является одним из семейства методов стохастического вложения соседей. Алгоритм вычисляет вероятность связи пар точек данных в пространстве высокой размерности, а затем выбирает вложения в пространство меньшей размерности, которые воспроизводят аналогичное распределение.

Карта реляционной перспективы

Реляционная карта перспектив — это алгоритм многомерного масштабирования. Алгоритм находит конфигурацию точек данных на многообразии, моделируя многочастичную динамическую систему на замкнутом многообразии, где точки данных отображаются на частицы, а расстояния (или несходство) между точками данных представляют собой силу отталкивания. По мере постепенного увеличения размера многообразия многочастичная система постепенно охлаждается и сходится к конфигурации, отражающей информацию о расстояниях между точками данных. Реляционная карта перспектив была вдохновлена физической моделью, в которой положительно заряженные частицы свободно перемещаются по поверхности сферы. Под действием кулоновской силы между частицами конфигурация частиц с минимальной энергией будет отражать величину сил отталкивания между ними. Реляционная карта перспектив была представлена в 2001 году. Изначально алгоритм использовал плоский тор в качестве многообразия-образа, а затем был расширен (в программном обеспечении VisuMap) для использования других типов замкнутых многообразий, таких как сфера, проективное пространство и бутылка Клейна, в качестве многообразий-образов.

Карты заражения

Карты распространения используют множественные процессы распространения в сети для представления узлов в виде облака точек. В случае модели глобальных каскадов скорость распространения может быть настроена с помощью порогового параметра. Для карты распространения это эквивалентно алгоритму Isomap.

Анализ криволинейных компонентов

Криволинейный компонентный анализ (CCA) ищет конфигурацию точек в выходном пространстве, которая максимально сохраняет исходные расстояния, при этом сосредотачиваясь на малых расстояниях в выходном пространстве (в отличие от отображения Саммона, которое фокусируется на малых расстояниях в исходном пространстве). Важно отметить, что CCA, как итеративный алгоритм обучения, фактически начинает с фокусировки на больших расстояниях (как и алгоритм Саммона), а затем постепенно переключает фокус на малые расстояния. Информация о малых расстояниях будет переопределять информацию о больших расстояниях, если необходимо идти на компромиссы между ними. Функция потерь CCA связана с суммой правых дивергенций Брегмана.

Анализ криволинейных расстояний

CDA изучает гладкое диффеоморфное отображение, которое переносит данные в линейное подпространство меньшей размерности. Метод находит гладкое векторное поле, зависящее от времени, такое, что потоки вдоль этого поля, начинающиеся в точках данных, достигают линейного подпространства меньшей размерности, тем самым стремясь сохранить попарные различия как при прямом, так и при обратном отображении.

Выровняемость многослойной

Многообразное выравнивание опирается на предположение, что различные наборы данных, полученные схожими процессами генерации, будут разделять похожее базовое многообразное представление. Путем обучения проекциям из каждого исходного пространства на общее многообразие восстанавливаются соответствия и знания из одной области могут быть перенесены в другую. Большинство методов многообразного выравнивания рассматривают только два набора данных, однако эта концепция применима к произвольному числу исходных наборов данных.

Нелинейная ПКА

Нелинейная ПЦА (NLPCA) использует обратное распространение ошибки для обучения многослойного перцептрона (MLP) с целью аппроксимации многообразия. В отличие от стандартного обучения MLP, которое обновляет только веса, NLPCA обновляет как веса, так и входные данные. Иными словами, и веса, и входные данные рассматриваются как скрытые переменные. После обучения скрытые входные данные представляют собой низкоразмерное представление наблюдаемых векторов, а MLP отображает это низкоразмерное представление в высокоразмерное пространство наблюдений.

Высокомерное масштабирование, основанное на данных

Основанное на данных высокомерное масштабирование (DD HDS) тесно связано с отображением Саммона и криволинейным компонентным анализом, за исключением того, что (1) оно одновременно штрафует за ложные соседства и разрывы, фокусируясь на малых расстояниях как в исходном, так и в выходном пространстве, и (2) учитывает феномен концентрации меры, адаптируя весовую функцию к распределению расстояний.

Скульптура из многослойных материалов

Многогранная скульптура использует градиентную оптимизацию для поиска вложения. Как и другие алгоритмы, она вычисляет k ближайших соседей и стремится найти вложение, сохраняющее связи в локальных окрестностях. Она постепенно уменьшает дисперсию в более высоких измерениях, одновременно корректируя положение точек в более низких измерениях для сохранения этих связей. Если скорость уменьшения дисперсии невелика, она может найти очень точные вложения. Алгоритм демонстрирует более высокую эмпирическую точность по сравнению с другими алгоритмами, хотя и имеет ряд недостатков. Его также можно использовать для уточнения результатов, полученных другими алгоритмами обучения на многообразиях. Однако, без использования очень медленной скорости уменьшения дисперсии, ему сложно развернуть некоторые многообразия. Алгоритм не имеет модели.

RankVisu

RankVisu разработан для сохранения ранга соседства, а не расстояния. RankVisu особенно полезен в сложных задачах (когда сохранение расстояния не может быть достигнуто удовлетворительно). Действительно, ранг соседства менее информативен, чем расстояние (ранги можно вывести из расстояний, но расстояния нельзя вывести из рангов), и поэтому его сохранение проще.

Топологически ограниченное изометрическое встраивание

Топологически ограниченное изометрическое встраивание (TCIE) — это алгоритм, основанный на приближении геодезических расстояний после фильтрации геодезических, не согласующихся с евклидовой метрикой. Предназначенный для исправления искажений, возникающих при использовании Isomap для отображения данных, которые не являются внутренне выпуклыми, TCIE использует многомерное шкалирование с методом наименьших квадратов (MDS) для получения более точного отображения. Алгоритм TCIE сначала определяет возможные граничные точки в данных, а в процессе вычисления длины геодезических отмечает несогласованные геодезические, которым присваивается небольшой вес при последующей взвешенной мажоризации остаточных квадратов.

Однородное приближение и проекция коллектора

Однородное приближение многообразий и проекция (UMAP) — это метод нелинейного понижения размерности. Визуально он похож на t-SNE, но исходит из предположения, что данные равномерно распределены на локально связанном римановом многообразии, а риманова метрика локально постоянна или приблизительно локально постоянна.

Методы, основанные на матрицах близости

Метод, основанный на матрицах близости, предполагает представление данных алгоритму в виде матрицы сходства или матрицы расстояний. Все эти методы относятся к более широкому классу метрического многомерного масштабирования. Различия между ними обычно заключаются в способе вычисления данных о близости; например, Isomap, локально линейные вложения, развертывание максимальной дисперсии и отображение Саммона (которое, на самом деле, не является отображением) – это примеры методов метрического многомерного масштабирования.