用于评估投影探索指数的眯模糊度及其他指标，以及指导优化选择
统计计算
2026-01-06 v4 神经与进化计算
摘要
投影探索（projection pursuit, PP）导向的旅游优化（guided tour）通过动画逐步揭示高维数据中感兴趣的投影。某些 PP 指数的优化可能是棘手的，因为它们是非光滑函数，或者当最优解具有较小的“眯模角度”（squint angle）时，仅在接近时才能检测到。本文定义了用于计算 PP 指数平滑性和眯模糊度属性的度量标准。这些度量用于探讨最近提出的群体搜索优化器（Jellyfish Search Optimizer, JSO）用于优化 PP 指数的性能。比较了 JSO 在检测管形目标图案方面与现有优化器的性能。此外，评估了 JSO 在检测正弦波形方面的性能，方法是在不同维度（d=4,6,8,10,12）和 JSO 超参数下使用不同的 PP 指数。我们观察到，更高的眯模糊度会提高 PP 指数优化的成功率，而平滑性没有显著影响。JSO 算法已实现于 R 包 `tourr` 中，计算眯模糊度度量的函数实现于 `ferrn` 包中。
引用
@article{arxiv.2407.13663,
title = {Squintability and Other Metrics for Assessing Projection Pursuit Indexes, and Guiding Optimization Choices},
author = {H. Sherry Zhang and Dianne Cook and Nicolas Langrené and Jessica Wai Yin Leung},
journal= {arXiv preprint arXiv:2407.13663},
year = {2026}
}