Dimensionality Reduction with Unsupervised Nearest Neighbors
Oliver Kramer
maj 2013 · Intelligent Systems Reference Library Część 51 · Springer Science & Business Media
E-book
132
Strony
reportOceny i opinie nie są weryfikowane. Więcej informacji
Informacje o e-booku
This book is devoted to a novel approach for dimensionality reduction based on the famous nearest neighbor method that is a powerful classification and regression approach. It starts with an introduction to machine learning concepts and a real-world application from the energy domain. Then, unsupervised nearest neighbors (UNN) is introduced as efficient iterative method for dimensionality reduction. Various UNN models are developed step by step, reaching from a simple iterative strategy for discrete latent spaces to a stochastic kernel-based algorithm for learning submanifolds with independent parameterizations. Extensions that allow the embedding of incomplete and noisy patterns are introduced. Various optimization approaches are compared, from evolutionary to swarm-based heuristics. Experimental comparisons to related methodologies taking into account artificial test data sets and also real-world data demonstrate the behavior of UNN in practical scenarios. The book contains numerous color figures to illustrate the introduced concepts and to highlight the experimental results.
Oceń tego e-booka
Podziel się z nami swoją opinią.
Informacje o czytaniu
Smartfony i tablety
Zainstaluj aplikację Książki Google Play na Androida i iPada/iPhone'a. Synchronizuje się ona automatycznie z kontem i pozwala na czytanie w dowolnym miejscu, w trybie online i offline.
Laptopy i komputery
Audiobooków kupionych w Google Play możesz słuchać w przeglądarce internetowej na komputerze.
Czytniki e-booków i inne urządzenia
Aby czytać na e-papierze, na czytnikach takich jak Kobo, musisz pobrać plik i przesłać go na swoje urządzenie. Aby przesłać pliki na obsługiwany czytnik, postępuj zgodnie ze szczegółowymi instrukcjami z Centrum pomocy.
