Qual è la differenza tra l'apprendimento molteplice e la riduzione della dimensionalità non lineare?

Qual è la differenza tra l' apprendimento molteplice e la riduzione della dimensionalità non lineare ?

Ho visto questi due termini essere usati in modo intercambiabile. Per esempio:

http://www.cs.cornell.edu/~kilian/research/manifold/manifold.html :

L'apprendimento collettivo (spesso indicato anche come riduzione della dimensionalità non lineare) persegue l'obiettivo di incorporare dati che originariamente si trovano in uno spazio dimensionale elevato in uno spazio dimensionale inferiore, preservando le proprietà caratteristiche.

http://www.stat.washington.edu/courses/stat539/spring14/Resources/tutorial_nonlin-dim-red.pdf :

In questo tutorial 'apprendimento multiplo' e 'riduzione della dimensionalità' sono usati in modo intercambiabile.

https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3337666/ :

I metodi di riduzione della dimensionalità sono una classe di algoritmi che utilizzano varietà definite matematicamente per il campionamento statistico di classi multidimensionali per generare una regola di discriminazione con accuratezza statistica garantita.

Tuttavia, http://scikit-learn.org/stable/modules/manifold.html è più sfumato:

L'apprendimento collettivo è un approccio alla riduzione della dimensionalità non lineare.

Una prima differenza che posso vedere è che una varietà può essere lineare, quindi si dovrebbe confrontare l' apprendimento molteplice non lineare e la riduzione della dimensionalità non lineare.

La riduzione della dimensionalità non lineare si verifica quando il metodo utilizzato per la riduzione presuppone che la varietà su cui giacciono le variabili latenti sia, beh ... non lineare.

Quindi per i metodi lineari il collettore è un piano n-dimensionale, cioè superficie affine, per i metodi non lineari non lo è.

Il termine "apprendimento molteplice" di solito significa metodi geometrici / topologici che apprendono varietà non lineari.

Quindi possiamo pensare all'apprendimento multiplo come un sottoinsieme di metodi di riduzione della dimensionalità non lineare.