¿Cuál es la diferencia entre aprendizaje múltiple y reducción de dimensionalidad no lineal?

¿Cuál es la diferencia entre aprendizaje múltiple y reducción de dimensionalidad no lineal ?

He visto que estos dos términos se usan indistintamente. Por ejemplo:

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

El aprendizaje múltiple (a menudo también denominado reducción de dimensionalidad no lineal) persigue el objetivo de incrustar datos que originalmente se encuentran en un espacio dimensional alto en un espacio dimensional inferior, al tiempo que conserva las propiedades características.

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

En este tutorial, 'aprendizaje múltiple' y 'reducción de dimensionalidad' se usan indistintamente.

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

Los métodos de reducción de la dimensionalidad son una clase de algoritmos que utilizan variedades definidas matemáticamente para el muestreo estadístico de clases multidimensionales para generar una regla de discriminación de precisión estadística garantizada.

Sin embargo, http://scikit-learn.org/stable/modules/manifold.html tiene más matices:

El aprendizaje múltiple es un enfoque para la reducción de la dimensionalidad no lineal.

Una primera diferencia que puedo ver es que un colector puede ser lineal, por lo tanto, uno debe comparar no lineal de aprendizaje múltiple y reducción de dimensionalidad no lineal.

La reducción de la dimensionalidad no lineal se produce cuando el método utilizado para la reducción supone que la variedad en la que se encuentran las variables latentes es, bueno ... no lineal.

Entonces, para los métodos lineales, el múltiple es un plano n-dimensional, es decir, una superficie afinada, para los métodos no lineales no lo es.

El término "aprendizaje múltiple" generalmente significa métodos geométricos / topológicos que aprenden múltiples no lineales.

Por lo tanto, podemos pensar en el aprendizaje múltiple como un subconjunto de métodos de reducción de dimensionalidad no lineal.