教師なし特徴選択

サインイン

インサイト - 教師なし特徴選択

高階隣接情報を利用したグラフフィルタリングと自己表現学習を組み合わせることで、データの潜在的な構造をより正確に捉え、ノイズや外れ値の影響を受けにくい、より効果的な教師なし特徴選択アルゴリズムを実現する。

本稿では、データの内部構造をより正確に捉えるために、サンプルの重要性とサンプルと特徴間の二重性を考慮した、デュアル多様体重み付けに基づく教師なし特徴選択アルゴリズム（DMRR）を提案する。

データセットの近傍区間摂動に基づく融合を用いることで、従来の教師なし特徴選択アルゴリズムの精度と安定性を向上させることができる。

本稿では、データ内の因果関係を考慮することで、従来の教師なし特徴選択手法の限界を克服した、CAUSE-FSと呼ばれる新しい教師なし特徴選択手法を提案しています。

会社概要

プロダクト

リソース