Theo thuật ngữ phi kỹ thuật, đa tạp là một cấu trúc hình học liên tục có kích thước hữu hạn: đường thẳng, đường cong, mặt phẳng, bề mặt, hình cầu, quả bóng, hình trụ, hình xuyến, "đốm màu" ... đại loại như thế này :
Đây là một thuật ngữ chung được các nhà toán học sử dụng để nói "đường cong" (chiều 1) hoặc "bề mặt" (chiều 2) hoặc đối tượng 3D (chiều 3) ... cho bất kỳ kích thước hữu hạn . Một đa tạp một chiều chỉ đơn giản là một đường cong (đường thẳng, đường tròn ...). Một đa tạp hai chiều chỉ đơn giản là một bề mặt (mặt phẳng, hình cầu, hình xuyến, hình trụ ...). Một đa tạp ba chiều là một "vật thể đầy đủ" (quả bóng, khối lập phương đầy đủ, không gian 3D xung quanh chúng ta ...).n
Một đa tạp thường được mô tả bởi một phương trình: tập hợp các điểm như x 2 + y 2 = 1 là một đa tạp một chiều (một đường tròn).(x,y)x2+y2=1
Một đa tạp có cùng chiều ở khắp mọi nơi. Ví dụ: nếu bạn nối một đường (chiều 1) vào một hình cầu (chiều 2) thì cấu trúc hình học kết quả không phải là một đa tạp.
Không giống như các khái niệm tổng quát hơn về không gian số liệu hoặc không gian tôpô cũng có ý định mô tả trực giác tự nhiên của chúng ta về một tập hợp các điểm liên tục, một đa tạp được dự định là một thứ đơn giản cục bộ: như không gian vectơ hữu hạn: . Điều này loại trừ các không gian trừu tượng (như không gian kích thước vô hạn) thường không có ý nghĩa cụ thể hình học.Rn
Không giống như một không gian vectơ, đa tạp có thể có nhiều hình dạng khác nhau. Một số đa tạp có thể dễ dàng hình dung (hình cầu, quả bóng ...), một số rất khó hình dung, như chai Klein hoặc mặt phẳng chiếu thực sự .
Trong thống kê, học máy hay toán học ứng dụng nói chung, từ "đa tạp" thường được sử dụng để nói "giống như một không gian con tuyến tính" nhưng có thể bị cong. Bất cứ khi nào bạn viết một phương trình tuyến tính như: bạn sẽ có một không gian con tuyến tính (affine) (ở đây là một mặt phẳng). Thông thường, khi phương trình không tuyến tính như x 2 + 2 y 2 + 3 z 2 = 7 , đây là một đa tạp (ở đây là một hình cầu kéo dài).3x+2y−4z=1x2+2y2+3z2=7
Ví dụ: " giả thuyết đa dạng " của ML cho biết "dữ liệu chiều cao là các điểm trong một đa tạp chiều thấp có thêm nhiễu chiều cao". Bạn có thể tưởng tượng các điểm của vòng tròn 1D có thêm một số nhiễu 2D. Mặc dù các điểm không chính xác trên đường tròn, nhưng chúng thỏa mãn thống kê phương trình . Vòng tròn là đa tạp cơ bản:
x2+y2=1