Расширения алгоритмов LLE, Isomap, MDS, Eigenmaps, и Spectral Clustering для точек вне обучающей выборки

Слайд 2

Постановка задачи снижения размерности

Постановка задачи снижения размерности

Слайд 3

Зачем нужно снижение размерности?


Сокращение вычислительных затрат при обработке данных
Сжатие

Зачем нужно снижение размерности? Сокращение вычислительных затрат при обработке данных Сжатие данных
данных для более эффективного хранения данных
Визуализация данных
и др.

Слайд 4

Пример

Пример

Слайд 5

Входные и выходные данные

Входные и выходные данные

Слайд 6

Общий алгоритм

Общий алгоритм

Слайд 7

Пример (Spectral Clustering)

Пример (Spectral Clustering)

Слайд 8

Что делать с новыми точками?

Что делать с новыми точками?

Слайд 9

Обозначения

Обозначения

Слайд 10

Обозначения

Обозначения

Слайд 11

Предложение 1

Предложение 1
Имя файла: Расширения-алгоритмов-LLE,-Isomap,-MDS,-Eigenmaps,-и-Spectral-Clustering-для-точек-вне-обучающей-выборки.pptx
Количество просмотров: 35
Количество скачиваний: 0