Dimensionality Reduction with Unsupervised Nearest Neighbors

Oliver Kramer

મે 2013 · Springer Science & Business Media

ઇ-પુસ્તક

132

પેજ

રેટિંગ અને રિવ્યૂ ચકાસેલા નથી વધુ જાણો

આ ઇ-પુસ્તક વિશે

This book is devoted to a novel approach for dimensionality reduction based on the famous nearest neighbor method that is a powerful classification and regression approach. It starts with an introduction to machine learning concepts and a real-world application from the energy domain. Then, unsupervised nearest neighbors (UNN) is introduced as efficient iterative method for dimensionality reduction. Various UNN models are developed step by step, reaching from a simple iterative strategy for discrete latent spaces to a stochastic kernel-based algorithm for learning submanifolds with independent parameterizations. Extensions that allow the embedding of incomplete and noisy patterns are introduced. Various optimization approaches are compared, from evolutionary to swarm-based heuristics. Experimental comparisons to related methodologies taking into account artificial test data sets and also real-world data demonstrate the behavior of UNN in practical scenarios. The book contains numerous color figures to illustrate the introduced concepts and to highlight the experimental results.

આ ઇ-પુસ્તકને રેટિંગ આપો

તમે શું વિચારો છો અમને જણાવો.

માહિતી વાંચવી

સ્માર્ટફોન અને ટૅબ્લેટ

Android અને iPad/iPhone માટે Google Play Books ઍપ ઇન્સ્ટૉલ કરો. તે તમારા એકાઉન્ટ સાથે ઑટોમૅટિક રીતે સિંક થાય છે અને તમને જ્યાં પણ હો ત્યાં તમને ઑનલાઇન અથવા ઑફલાઇન વાંચવાની મંજૂરી આપે છે.

લૅપટૉપ અને કમ્પ્યુટર

Google Play પર ખરીદેલ ઑડિઓબુકને તમે તમારા કમ્પ્યુટરના વેબ બ્રાઉઝરનો ઉપયોગ કરીને સાંભળી શકો છો.

eReaders અને અન્ય ડિવાઇસ

Kobo ઇ-રીડર જેવા ઇ-ઇંક ડિવાઇસ પર વાંચવા માટે, તમારે ફાઇલને ડાઉનલોડ કરીને તમારા ડિવાઇસ પર ટ્રાન્સફર કરવાની જરૂર પડશે. સપોર્ટેડ ઇ-રીડર પર ફાઇલો ટ્રાન્સ્ફર કરવા માટે સહાયતા કેન્દ્રની વિગતવાર સૂચનાઓ અનુસરો.

ગેરકાનૂની કન્ટેન્ટની જાણ કરો