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.