用于多维尺度分析的自举坐标搜索
机器学习
2019-02-06 v1 机器学习
摘要
本文提出了一种基于坐标搜索（CS）的无梯度多维尺度分析（MDS）统一框架。这类算法是广义模式搜索（GPS）方法的一个实例，其避免显式计算导数，而是在嵌入空间的坐标步长上搜索时评估目标函数。CSMDS框架的核心要素是相应的概率矩阵，其对应于每个相应坐标被评估的可能性。我们提出了CSMDS的自举实例（BS CSMDS），它增强了使目标函数下降最多的方向的概率，同时降低了所有其他坐标的相应概率。BS CSMDS设法避免不必要的函数评估，并相比其他CSMDS替代方案实现了显著加速，同时获得了相同的错误率。在合成数据和真实数据上的实验表明，BS CSMDS在各种实验设置下始终优于其他CSMDS替代方案。
引用
@article{arxiv.1902.01482,
title = {Bootstrapped Coordinate Search for Multidimensional Scaling},
author = {Efthymios Tzinis},
journal= {arXiv preprint arXiv:1902.01482},
year = {2019}
}