关键词dimensionality reduction methods
搜索结果 - 3
- 评估深度学习潜在特征空间的稳定性
高维数据集在各个学科的统计建模中带来了很大的挑战,需要高效的降维方法。深度学习方法通过降维的潜在特征空间从复杂数据中提取关键特征,有着广泛的应用,从生物信息学到地球科学等领域。本研究通过引入一个新的工作流程来评估这些潜在空间的稳定性,确保后 - 关于最小迹因子分析的研究 —— 一首换了调的老歌
本文介绍了 Minimum Trace Factor Analysis(MTFA)的放松版本,该方法对于具有显著异方差噪声的数据不会过度拟合,并解决了因子分析中常见的 Heywood 案例以及现有光谱方法中最近发现的 “病态条件的诅咒”。我 - 当协同过滤不再协同:PCA 对推荐的不公平性
降维方法的公平性研究,重点关注主成分分析(PCA),通过识别潜在组件并通过前导组件生成低秩近似来拟合数据,我们发现 PCA 引起项目级不公平的两个机制,并提出使用具有项目特定权重的目标优化的修改后 PCA 算法,称为 Item-Weight