从流数据学习可靠流形的误差度量
机器学习
2017-10-20 v2
摘要
谱降维常用于识别高维数据中的低维结构。然而，学习流形，特别是从流数据中学习，在计算和内存上代价高昂。在本文中，我们认为可以仅使用流的一部分学习一个稳定流形，而剩余的流可以以成本低得多的方式映射到该流形上。识别流形稳定的转折点是关键步骤。我们提出了误差度量，通过定量评估使用 Isomap 学习的流形质量，使我们能够识别给定流的转折点。我们进一步提出了一种称为 S-Isomap 的高效映射算法，可用于将新样本映射到稳定流形上。我们描述了在各种数据集上的实验，表明所提方法在计算高效的同时不牺牲准确性。
引用
@article{arxiv.1611.04067,
title = {Error Metrics for Learning Reliable Manifolds from Streaming Data},
author = {Frank Schoeneman and Suchismit Mahapatra and Varun Chandola and Nils Napp and Jaroslaw Zola},
journal= {arXiv preprint arXiv:1611.04067},
year = {2017}
}