Dimensionality Reduction with Unsupervised Nearest Neighbors
Oliver Kramer
พ.ค. 2013 · Intelligent Systems Reference Library หนังสือเล่มที่ 51 · Springer Science & Business Media
eBook
132
หน้า
reportคะแนนและรีวิวไม่ได้รับการตรวจสอบยืนยัน ดูข้อมูลเพิ่มเติม
เกี่ยวกับ eBook เล่มนี้
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.
ให้คะแนน eBook นี้
แสดงความเห็นของคุณให้เรารับรู้
ข้อมูลในการอ่าน
สมาร์ทโฟนและแท็บเล็ต
ติดตั้งแอป Google Play Books สำหรับ Android และ iPad/iPhone แอปจะซิงค์โดยอัตโนมัติกับบัญชีของคุณ และช่วยให้คุณอ่านแบบออนไลน์หรือออฟไลน์ได้ทุกที่
แล็ปท็อปและคอมพิวเตอร์
คุณฟังหนังสือเสียงที่ซื้อจาก Google Play โดยใช้เว็บเบราว์เซอร์ในคอมพิวเตอร์ได้
eReader และอุปกรณ์อื่นๆ
หากต้องการอ่านบนอุปกรณ์ e-ink เช่น Kobo eReader คุณจะต้องดาวน์โหลดและโอนไฟล์ไปยังอุปกรณ์ของคุณ โปรดทำตามวิธีการอย่างละเอียดในศูนย์ช่วยเหลือเพื่อโอนไฟล์ไปยัง eReader ที่รองรับ
