有没有一份可以可逆的降维技术列表（可以在子流形和原始空间之间来回转换）并且能够很好地处理大规模（超过100万维度）的数据？向量非常稀疏。理想情况下，我可以在少量示例上找到一个大致感兴趣的子空间（降维至约1万维度），然后在该子空间上训练类似自编码器的东西以实现精细控制。
- 直接使用自编码器可能行不通，因为输入大小超过100万的全连接层在内存上会非常困难。
- 主成分分析（PCA）是一个选项，但其内存占用非常大。
- 随机投影似乎没有办法恢复到原始空间？
谢谢！
回答：
来自scikit-learn的两个候选者（可能还有更多）：
还有更多支持inverse_transform的选项，但我只选择了支持稀疏输入或批处理的选项。
保留1万维度听起来即使使用稀疏输入也是非常占用内存的。
