machine-learning - 有没有有效的方法来进行双向降维？

Question

是否有任何明智的降维技术，例如从 20 维降到 5 维，然后能够(尽管会丢失数据)从 5 维降到 20 维？

像 t-SNE、PCA、高斯随机投影这样的算法都很棒，但据我所知，没有简单的方法可以(在某种程度上)一致地从压缩的低维数据返回到高维数据。

我专门为候选生成训练 GP，当我在较低维度工作时，相关 GP 表现更好。为了生成候选者，我需要能够从训练后的模型转到与我给出的维度相同的新点。

我使用一个小型的未经训练的神经网络(线性层和激活函数)，它接受更高维度的数据并输出更低维度的数据。当我想返回时，我根据输出(这是我拥有的较低维数据)对网络的输入进行梯度下降。这种方法可行，但未经训练的网络不太可能是最好的技术。

Answer 1

Independent component analysis可以带你到那里:本质上是主成分分析的逆过程。