什么是 等距映射（Isomap）？
等距映射（Isomap）是通过邻域图最短路径估计流形测地距离，再用经典多维尺度分析嵌入这些距离的非线性降维方法。
快速了解
| 全称 | Isometric Mapping |
|---|---|
| 创建时间 | 2000 年由 Joshua Tenenbaum、Vin de Silva 与 John Langford 提出 |
| 规范文档 | 官方规范 |
工作原理
用局部路径构造全局坐标
Isomap 原始论文先按 k 或半径为每个样本选择邻居，以局部输入距离作为边权，再计算全点对最短路径。随后对测地距离平方矩阵做双中心化，并像经典 MDS 一样使用最大的正特征值及其特征向量生成坐标。
这是由局部证据构造的全局距离保持目标。与 t-SNE 或 UMAP 不同，它不通过随机梯度下降优化可视化布局；但当邻域图不能代表流形时，估计距离矩阵仍会出错。
在连通与捷径之间选择邻域
邻域过小会让图断裂或路径对噪声敏感；邻域过大则可能跨越不同折叠连接空间中相近、流形上遥远的点，形成虚假测地捷径。应检查 Connected Component、邻居距离、节点度分布，以及跨越视觉或语义远区的边；不能静默把无穷路径替换成任意有限值。
原始工作中的保证要求采样密度与流形曲率、Branch Separation 相匹配。有限、含噪且非均匀的生产数据不会自动满足这些条件，因此要比较多组有依据的邻域尺度与数据扰动。
预算二次状态并验证留出行为
当前 scikit-learn Isomap会保存 n_samples × n_samples 测地距离矩阵，其用户指南也列出了随样本数快速增长的最短路径与部分特征分解成本。Landmark 或近似变体改变了算法契约，需要单独验证。
应评估残差距离误差、邻域 Trustworthiness 与 Continuity、图稳定性和下游指标。部分实现会把新点连接到训练图，再把所得 Kernel 投影到原 Eigenspace；此时预处理、参考图、特征空间与连通策略都必须保持冻结。
主要特点
- 通过邻域图最短路径近似流形测地距离
- 使用经典 MDS 嵌入全点对距离
- 尝试保留全局流形几何而非只保留局部概率
- 对邻域连通、跨折叠捷径和断连点高度敏感
- 常见完整实现需要保存二次规模距离状态
- 部分实现可借助冻结图完成特定的新样本投影
常见用途
- 展开测地距离有意义且采样稠密的非线性流形
- 把非线性几何结果与 PCA 基线比较
- 可视化受控姿态、关节运动或流程状态轨迹
- 研究局部邻域路径能否解释全局样本关系
- 讲解最近邻图、最短路径与 MDS 的连接
示例
Loading code...常见问题
Isomap 与 PCA 有什么区别？
PCA 寻找最大化方差并最小化线性重构误差的线性子空间。Isomap 先用图最短路径估计弯曲流形距离，再嵌入这些距离。后者增加了非线性能力，也引入了图构建与采样失效模式。
Isomap 的邻域大小应如何选择？
应选择既能让目标流形连通、又不会跨越不同折叠的范围。比较 Connected Component、长路径、节点度、可疑跨折叠边、残差距离误差和重采样稳定性，不能只挑视觉效果最好的一张图。
Isomap 邻域图断连时会怎样？
不同分量之间的最短路径为无穷，一次全局经典 MDS 就不再有良好定义。必须先判断断连来自离群点、采样不足、邻域过小，还是确实存在多个流形，再决定移除样本或分别分析。
Isomap 能嵌入新样本吗？
部分实现会把新样本连接到已拟合训练图，估计它到训练点的测地距离，再把相应 Kernel 投影到冻结 Eigenspace。这属于实现特定行为，新点连通不足或发生分布漂移时仍可能失败。
图已经连通时 Isomap 仍可能在哪些情况下失效？
噪声、非均匀或稀疏采样、内在维度变化、孔洞、分支、非等距几何和跨折叠捷径，都可能让图路径无法逼近真实测地距离。连通是生成一张全局图的必要条件，但不是正确性的充分条件。