热核素描:使用高斯过程嵌入数据
机器学习
2024-03-14 v1 数值分析
数值分析
机器学习
摘要
本文介绍了一种新颖的非确定性方法,用于将数据嵌入到低维欧几里得空间中,该方法基于计算依赖于数据几何结构的高斯过程的实现。这种类型的嵌入首次出现在(Adler et al, 2018)中,作为高维通用流形的理论模型。特别地,我们取高斯过程的协方差函数为热核,计算嵌入相当于对表示热核的矩阵进行素描。Karhunen-Loève展开表明,嵌入中的直线距离在概率意义上近似于扩散距离,从而避免了尖锐截断的需要,并保留了一些较小尺度的结构。我们的方法还展示了对异常值的鲁棒性优势。我们通过理论和实验证明了该方法的合理性。
引用
@article{arxiv.2403.07929,
title = {Sketching the Heat Kernel: Using Gaussian Processes to Embed Data},
author = {Anna C. Gilbert and Kevin O'Neill},
journal= {arXiv preprint arXiv:2403.07929},
year = {2024}
}
备注
28 pages