Расширения алгоритмов LLE, Isomap, MDS, Eigenmaps, и Spectral Clustering для точек вне обучающей выборки
Содержание
- 2. Постановка задачи снижения размерности
- 3. Зачем нужно снижение размерности? Сокращение вычислительных затрат при обработке данных Сжатие данных для более эффективного хранения
- 4. Пример
- 5. Входные и выходные данные
- 6. Общий алгоритм
- 7. Пример (Spectral Clustering)
- 8. Что делать с новыми точками?
- 9. Обозначения
- 10. Обозначения
- 11. Предложение 1
- 13. Скачать презентацию