Какие существуют альтернативы и обобщения метода главных компонент?

Некоторые альтернативы и обобщения метода главных компонент (PCA):

Альтернативы:

• LLE (Locally Linear Embedding). habr.com Алгоритм создания линейных комбинаций каждой точки из её соседей с последующим восстановлением этих комбинаций в пространстве более низкой размерности. habr.com Позволяет сохранить нелинейную геометрию данных и может быть полезен для некоторых задач, где глобальные свойства менее важны. habr.com Однако имеет высокую вычислительную сложность и может быть чувствителен к шуму. habr.com
• t-SNE (t-Distributed Stochastic Neighbor Embedding). habr.com Алгоритм, который преобразует сходства между данными в вероятности и в дальнейшем пытается минимизировать расхождение между распределениями вероятностей в пространстве высокой и низкой размерности. habr.com Эффективен при визуализации данных высокой размерности, но может искажать глобальную структуру данных, поскольку не учитывает линейные зависимости, а лишь их близость в исходном пространстве. habr.com

Обобщения:

• Метод главных многообразий. ru.wikipedia.org Предназначен для работы с «кривыми» главными компонентами. ru.wikipedia.org
• Нелинейные обобщения. ru.wikipedia.org К ним относятся, например, метод главных кривых и многообразий, метод упругих карт, поиск наилучшей проекции (англ. Projection Pursuit), нейросетевые методы «узкого горлышка», самоорганизующиеся карты Кохонена. ru.wikipedia.org
• Метод независимых компонент. ru.wikipedia.org
• Многомерное шкалирование. ru.wikipedia.org
• Критерии минимаксного типа. cyberleninka.ru Рассматриваются как альтернатива методу наименьших квадратов в определении главных компонент. cyberleninka.ru Оценка коэффициентов формулируется как задача линейного программирования. cyberleninka.ru