Dimensionality Reduction with Unsupervised Nearest Neighbors

Oliver Kramer‏

مايو 2013 · Intelligent Systems Reference Library الكتاب 51 · Springer Science & Business Media

كتاب إلكتروني

132

صفحة

لم يتم التحقّق من التقييمات والمراجعات. مزيد من المعلومات

معلومات عن هذا الكتاب الإلكتروني

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.

تقييم هذا الكتاب الإلكتروني

أخبرنا ما هو رأيك.

معلومات القراءة

الهواتف الذكية والأجهزة اللوحية

ينبغي تثبيت تطبيق كتب Google Play لنظام التشغيل Android وiPad/iPhone. يعمل هذا التطبيق على إجراء مزامنة تلقائية مع حسابك ويتيح لك القراءة أثناء الاتصال بالإنترنت أو بلا اتصال بالإنترنت أينما كنت.

أجهزة الكمبيوتر المحمول وأجهزة الكمبيوتر

يمكنك الاستماع إلى الكتب المسموعة التي تم شراؤها على Google Play باستخدام متصفح الويب على جهاز الكمبيوتر.

أجهزة القراءة الإلكترونية والأجهزة الأخرى

للقراءة على أجهزة الحبر الإلكتروني، مثل أجهزة القارئ الإلكتروني Kobo، عليك تنزيل ملف ونقله إلى جهازك. يُرجى اتّباع التعليمات المفصّلة في مركز المساعدة لتتمكّن من نقل الملفات إلى أجهزة القارئ الإلكتروني المتوافقة.

الإبلاغ عن محتوى غير قانوني