エントリーの編集
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
ざっくりとMajorization techniqueを解説(参考: Modern Multidimensional Scaling) - Qiita
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
ざっくりとMajorization techniqueを解説(参考: Modern Multidimensional Scaling) - Qiita
ざっくりとMajorization techniqueを解説(参考: Modern Multidimensional Scaling)Python数学統計学多変... ざっくりとMajorization techniqueを解説(参考: Modern Multidimensional Scaling)Python数学統計学多変量解析 1. Majorization(優関数法)とは Majorizationとは関数(損失関数など)の直接的な最適化ができない際に,以下の条件を満たす補助関数に置き換え,それを繰り返し最適化することで元の関数を最適化する手法です.多変量解析の手法では,多次元尺度構成法(Multidimensional Scaling, MDS)や多次元展開法(Multidimensional unfolding)などの目的関数を最小化する際に利用されています.(発想はEMアルゴリズムにちょっと似てる?) 補助関数(auxiliary function, あまり厳密ではないです) 元の関数を$f(x)$とし,この記事内では損失関数とする.補助関数