Можем ли мы использовать разнообразные методы обучения для сжатия изображений, такие как PCA?
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 проанализировать отношения между различными точками данных.
Поскольку это методы уменьшения размерности, мне было интересно, можно ли использовать эти методы, чтобы найти представление в меньшем количестве измерений, которые можно использовать для восстановления исходных данных, как мы делаем с PCA.
Итак, можем ли мы использовать Isomap или LLE или какую-либо другую методику обучения множеству, чтобы уменьшить размеры данных изображений, как это делает PCA, или они просто находят проекции, в которых лучше видны связи между точками данных?