降维中概念误差的量化

数据集的降维是机器学习和知识推理领域中的标准问题。它们影响数据维度中的模式与依赖关系，并最终影响任何决策过程。因此，各类降维方法被广泛使用，各自追求不同目标。一个迄今未被考虑的标准是降维映射的概念连续性，即相对于原始数据集的概念结构的保持。基于形式概念分析中的尺度度量概念，我们在本工作中提出：a）检测和量化数据尺度变换中概念误差的理论基础；b）对我们方法在十一个分别经非负矩阵分解某变体处理的数据集上的实验研究。