低秩近似
低秩近似 (low-rank approximation) 是指用一個較低秩的矩陣去近似給定矩陣的過程。更精確地說，它是一個最佳化問題，其中損失函數衡量給定矩陣（資料）與近似矩陣（最佳化變數）之間的擬合程度，並且附帶近似矩陣秩的約束條件。此問題常用於數學模型建構與資料壓縮。秩的約束與對符合資料模型複雜度的限制相關。在應用中，近似矩陣通常還會有其他約束，例如非負性及漢克爾結構。 低秩近似與多種其他技術密切相關，包括主成分分析、因素分析、潛…
标签：#降维
共 3 篇文章
自编码器
自编码器（）也称自动编码器，是一种人工神经网络，用于学习无标签数据的有效编码；属一种无监督学习。 自编码（autoencoding）的目的是：学习对高维度数据做低维度“表示”（“表征”或“编码”）；因此， 通常用于降维。最近，自编码的概念广泛地用于数据的生成模型。 自2010年以来，一些先进的人工智能在深度学习网络中采用了采用堆叠式稀疏自编码。 基本结构 自编码器有两个主要部分组成：编码器用于将输入编码，而解码器使用编码重构输入。 实现…
多维标度
多维标度（，缩写：MDS），又译多维尺度，又稱相似度结构分析（），属于多重变量分析的方法之一，是社会学、数量心理学、市场营销等统计实证分析的常用方法。 假設 有許多特徵是互相關聯的，而受測者原本並不知道其特徵為何。 存在著這樣一個空間：它的正交軸是欲尋找的特徵。 这个特征空间满足这个要求：相似的对象能以相对较小的距离描摹出来 目的 多维标度是一个探索性的过程方法 减少（观察）项目 如果可能，在数据中揭示现有结构 揭示相关特征 寻找尽可能…