统计学 > 机器学习
[提交于 2012年8月31日
(v1)
,最后修订 2013年3月19日 (此版本, v2)]
标题: 关于最大方差展开的收敛性
标题: On the convergence of maximum variance unfolding
摘要: 最大方差展开(MVU)是(非线性)降维的主要方法之一。我们研究了其在大样本极限下的行为,在标准假设下给出了具体的收敛速度。我们发现,当底层子流形与一个凸子集等距时,它是渐近一致的,并且我们提供了一些简单的例子来说明它在什么情况下会失去一致性。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.