你的二值数据的$\textit{内在}$维度是什么？——以及如何快速计算它
机器学习
2025-04-30 v1 人工智能
摘要
维度是分析和理解（高维）数据的一个重要方面。在 Tatti 等人 2006 年的 ICDM 论文中，通过引入归一化相关维度，回答了关于二值数据表的（可解释）维度的问题。在本研究中，我们重新审视了他们的结果，并将其与最近为几何数据集引入的基于概念的内在维度（ID）概念进行了对比。为此，我们提出了一种针对该 ID 的新颖近似方法，该方法仅计算支持度达到特定值的概念。我们使用 Tatti 等人提供的所有数据集（其外在维度介于 469 到 41271 之间）演示并评估了我们的近似方法。
引用
@article{arxiv.2404.06326,
title = {What is the $\textit{intrinsic}$ dimension of your binary data? -- and how to compute it quickly},
author = {Tom Hanika and Tobias Hille},
journal= {arXiv preprint arXiv:2404.06326},
year = {2025}
}