基于图的可预测特征分析
机器学习
2017-05-12 v2
摘要
我们提出基于图的可预测特征分析（GPFA），一种从无监督学习高维时间序列中可预测特征的新方法，其中高可预测性非常广义地理解为给定先前数据点时下一数据点的分布具有低方差。我们展示了该可预测性度量如何借助图嵌入理解，以及它在特殊情况下如何与预测信息的信息论度量相关联。我们在不同数据集上验证了 GPFA 的有效性，将其与三种目标类似的现有算法——即慢特征分析、可预测分量分析和可预测特征分析——进行比较，GPFA 展现出了极具竞争力的结果。
引用
@article{arxiv.1602.00554,
title = {Graph-based Predictable Feature Analysis},
author = {Björn Weghenkel and Asja Fischer and Laurenz Wiskott},
journal= {arXiv preprint arXiv:1602.00554},
year = {2017}
}