FastMap - 機械学習の「朱鷺の杜Wiki」
FastMap† 次元削減手法の一つ． 削減後の次元数を \(K\)，データ数を \(N\) としたとき，主成分分析や多次元尺度構成法は \(O(N^2K)\) の計算量が必要．これを，削減による歪みは大きくなるが，計算量は \(O(NK)\) で抑えられる オリジナルのデータを \(\mathbf{x}_i^{(0)}\) とする． 第\(k-1\)次元目までの座標値が計算済みのとき，第\(k\)次元目の座標値を求める． 二つの十分に離れた二つのデータ点 \(\mathbf{x}_a^{(k-1)}\) と \(\mathbf{x}_b^{(k-1)}\) を選ぶ． それ以外の点 \(\mathbf{x}_i^{(k-1)}\) は，\(\mathbf{x}_a^{(k-1)}\) と \(\mathbf{x}_b^{(k-1)}\) を結ぶ直線に垂直に射影し，その垂線の足と \(\ma
発表文献 - Toshihiro Kamishima
[解説] [書籍] [論文] [研究会] — [DBLP] [Google Scholar] [ResearchGate] [SpeakerDeck] [CiNii] 解説・サーベイ 以下の講演資料の他に研究紹介のページにも 講義資料などをまとめています． 神嶌 敏弘 “推薦システムへの深層学習の適用” 電子情報通信学会学会誌, vol.105, no.5, pp.430-434 (2022) 公式サイト（会員無料） 神嶌 敏弘 “私のブックマーク「人工知能と公平性」” 人工知能, vol.37, no.2, pp.230-233 (2022) 公式サイト, 印刷版 神嶌 敏弘 “機械学習と公平性に関するシンポジウム” (2020) 公式サイト, 発表資料 神嶌 敏弘, 鹿島 久嗣 “機械学習分野の俯瞰と展望” 人工知能, vol.34, no.6, pp.905-915 (2019) 公
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
shige+ki:lifehack: FastMap。
