Statystyki i duże zbiory danych manifold-learning

3

W technice redukcji wymiarów, takiej jak analiza głównych składników, LDA itp. Często stosuje się termin rozmaitość. Co to jest różnorodność pod względem nietechnicznym? Jeśli punkt należy do sfery, której wymiar Chcę zmniejszyć, a jeśli nie jest to hałas i i są nieskorelowane, to rzeczywiste punkty byłyby znacznie oddzielone od siebie …

28 terminology manifold-learning

2

Jak rozumieć „nieliniowy” jak w „nieliniowej redukcji wymiarowości”?

Próbuję zrozumieć różnice między metodami liniowej redukcji wymiarów (np. PCA) a metodami nieliniowymi (np. Izomapa). Nie do końca rozumiem, co oznacza (nie) liniowość w tym kontekście. Czytałem z Wikipedii, że Dla porównania, jeżeli PCA (algorytm liniowej redukcji wymiarów) zostanie zastosowany do zredukowania tego samego zestawu danych do dwóch wymiarów, uzyskane …

24 pca terminology dimensionality-reduction pattern-recognition manifold-learning

2

Jakie jest różnorodne założenie w częściowo nadzorowanym nauczaniu?

Próbuję dowiedzieć się, co to różnorodne założenie oznacza w częściowo nadzorowanym uczeniu się. Czy ktoś może wyjaśnić w prosty sposób? Nie rozumiem za tym intuicji. Mówi, że twoje dane leżą na wielowymiarowym kolektorze osadzonym w przestrzeni o wyższych wymiarach. Nie zrozumiałem, co to znaczy.

20 machine-learning unsupervised-learning supervised-learning manifold-learning

2

Graficzna intuicja statystyk na rozmaitości

W tym poście możesz przeczytać oświadczenie: Modele są zwykle reprezentowane przez punkty na kolektorze o skończonych wymiarach.θθ\theta W geometrii różnicowej i statystyce Michaela K Murraya i Johna W. Rice'a pojęcia te są wyjaśnione czytelną prozą, nawet ignorując wyrażenia matematyczne. Niestety jest bardzo mało ilustracji. To samo dotyczy tego postu na …

12 distributions manifold-learning information-geometry topologies

1

Jak wybrać jądro dla PCA jądra?

Jakie są sposoby wyboru, które jądro spowodowałoby dobre rozdzielenie danych w końcowym wyjściu danych przez jądro PCA (analiza głównych składników) i jakie są sposoby optymalizacji parametrów jądra? Warunki laika, jeśli to możliwe, byłyby bardzo mile widziane, a linki do artykułów wyjaśniających takie metody byłyby również miłe.

12 pca cross-validation dimensionality-reduction kernel-trick manifold-learning

1

Jaka jest różnica między uczeniem się na wiele sposobów a nieliniową redukcją wymiarów?

Jaka jest różnica między uczeniem się na wiele sposobów a nieliniową redukcją wymiarów ? Widziałem te dwa terminy używane zamiennie. Na przykład: http://www.cs.cornell.edu/~kilian/research/manifold/manifold.html : Uczenie się przez kolektory (często określane również jako nieliniowa redukcja wymiarów) ma na celu osadzenie danych, które pierwotnie leżą w przestrzeni o dużych wymiarach w przestrzeni …

9 terminology dimensionality-reduction manifold-learning

2

Jak udowodnić, że różnorodne założenie jest prawidłowe?

W uczeniu maszynowym często zakłada się, że zbiór danych leży na gładkim kolektorze o małych wymiarach (założenie rozmaitości), ale czy istnieje jakiś sposób, aby udowodnić, że przy spełnieniu określonych warunków, zbiór danych jest rzeczywiście (w przybliżeniu) generowany z niskiego wymiaru gładkiego kolektora? Na przykład, biorąc pod uwagę sekwencję danych gdzie …

9 machine-learning dimensionality-reduction manifold-learning

Pytania otagowane jako manifold-learning