ANALYTiC：理解机器学习中的决策边界与降维
信号处理
2024-01-12 v1 人工智能
信息检索
机器学习
摘要
紧凑型手持设备的出现为我们提供了大量跟踪运动数据，可用于推断趋势和模式。随着动物、人类、车辆等各种轨迹数据的泛滥，ANALYTiC的概念应运而生，它利用主动学习从标记数据集中学习，从而推断轨迹的语义标注。本研究探索了降维和决策边界与已有主动学习相结合的应用，突出了数据中的模式和聚类。我们使用三个不同的轨迹数据集测试这些特征，目标是利用已有标记数据并增强其可解释性。我们的实验分析展示了这些组合方法在提高轨迹标注效率和准确性方面的潜力。本研究为在运动数据分析背景下更广泛地集成机器学习和可视化方法奠定了基础。
引用
@article{arxiv.2401.05418,
title = {ANALYTiC: Understanding Decision Boundaries and Dimensionality Reduction in Machine Learning},
author = {Salman Haidri},
journal= {arXiv preprint arXiv:2401.05418},
year = {2024}
}
备注
Bachelor's thesis