Оглавление
Многолинейное обучение в подпространстве
-
Основы многолинейного изучения подпространства
- Многолинейное изучение подпространства используется для выявления причинно-следственных связей и уменьшения размерности данных.
- Тензоры данных могут быть векторизованы или объединены в матрицы, что позволяет выполнять многолинейные проекции.
-
Алгоритмы многолинейного обучения
- Алгоритмы многолинейного обучения являются обобщениями традиционных методов уменьшения размерности, таких как PCA, ICA, LDA и CCA.
- Они могут быть причинно-следственными или регрессионными, в зависимости от контекста данных.
- Методы включают MPCA, UMPCA, UMLDA, TCCA, MCCA, BMTF и другие, основанные на различных проекциях тензоров данных.
-
Реализация и примеры
- Для реализации алгоритмов многолинейного обучения используются различные пакеты программного обеспечения, включая MATLAB Tensor Toolbox.
- Приведены примеры наборов данных, таких как 3D-данные о походке, для иллюстрации возможностей многолинейного анализа.
-
Рекомендации
- Статья содержит ссылки на другие темы, такие как декомпозиция CP, уменьшение размеров и многолинейная алгебра, для дальнейшего изучения.
Полный текст статьи: