机器学习 - CH10(降维与度量学习) - KNN 代表 "懒惰学习",无需训练。训练开销为零。收到测试样本时,将对其进行处理。
I s o m a p Isomap Isomap仅是得到了训练样本在低维空间的坐标,对于新样本,将高维空间坐标作为输入,低维空间坐标作为输出,训练一个回归学习器来对新样本的低维空间坐标进行预测。
近邻图构建的两种方法:
- 指定邻点个数,如欧氏距离最近的 k k k个点为近邻点, k k k近邻图。
- 指定距离阈值 ξ \xi ξ,距离小于 ξ \xi ξ的店被认为是近邻点, ξ \xi ξ近邻图。
10.5.2局部线性嵌入
局部线性嵌入(Locally Liner Embedding,简称LLE)保持样本之间的线性关系。
假定样本点
x
i
x_i
xi能通过邻域样本
x
j
x_j
xj,
x
k
x_k
xk,
x
l
x_l
xl的坐标经过线性组会重构:
10.6度量学习
假定希望提高近邻分类器的性能,将 M M M嵌入到评价指标中,优化该性能指标相应求 M M M
近邻分类器判别时通常用多数投票法(领域中1票,领域外0票)
替换为概率投票法,对任意样本
x
j
x_j
xj对
x
i
x_i
xi分类影响的概率为:
上一篇: 人工智能新闻和动态 (24001) - 2024 年 4 月 10 日前
下一篇: Conda答疑