"Hadamard" (機械学習メソッド)

詳細とサブオプション

  • "Hadamard"は，データから学ばない線形次元削減法である．このメソッドは，HadamardMatrixのスライスを使って入力データを低次元空間に射影する．このメソッドは，ランダムな射影を近似しようとする．
  • "Hadamard"は，特徴数が大量にあるデータ集合を効率的に計算するが，学習をしないため他のメソッドに比べて埋込みに劣る．
  • 次のプロットは，"Hadamard"法をベンチマークデータ集合のFisher's Irises，MNIST，FashionMNISTに適用することで学んだ二次元埋込みである．
  • "Hadamard"法は，ランダム射影に似て，高次元データのペアごとの距離をほぼ保持する．
  • このメソッドの計算効率をフル活用するためにはDimensionReduce[…,Method"Hadamard", FeatureExtractor"Minimal"]を使うべきである．
  • サブオプションのMethodを使って行列操作の種類が設定できる．Method"Matrix"は入力数が少なく特徴が削減されたデータ集合のみに使うべきである．
  • 次は，使用可能なサブオプションである．
  • Method Automatic行列計算法
  • 次は，Methodの可能な設定である．
  • "Matrix"アダマール行列を明示的に構築する
    "Transform"削減に直接変換を使う

例題

すべて開くすべて閉じる

例  (1)

"Hadamard"法を効率よく使って高次元ベクトルの次元を削減する：

オプション  (1)

Method  (1)

さまざまなサブオプションで"Hadamard"を高次元ベクトルに使った結果を比較する：

アプリケーション  (1)

データ集合の可視化  (1)

フィッシャー(Fisher)の「アヤメ」についてのデータ集合をExampleDataからロードする：

各例の特徴に"Hadamard"法を使って削減器関数を生成する：

例をその種によってグループ化する：

特徴次元を削減する：