TL;DR
- چکیده:.
- ما مسئله تجزیه و تحلیل مؤلفههای اصلی پراکنده (SPCA) را تحت مدل کوواریانس اسپک شده معروف در.
- نظر میگیریم.
چه اتفاقی افتاد
چکیده:. ما مسئله تجزیه و تحلیل مؤلفههای اصلی پراکنده (SPCA) را تحت مدل کوواریانس اسپک شده معروف در.
نظر میگیریم. کار اخیر نشان داده است که مسئله SPCA میتواند بهعنوان یک برنامه عدد صحیح مختلط (MIP) مجدداً.
فرموله شود و میتواند به بهینه جهانی حل شود،. که منجر به تخمینگرهایی میشود که از خواص آماری بهینه برخوردار هستند.
با این حال،. به نظر میرسد الگوریتمهای MIP قبلی برای SPCA از نظر مقیاسپذیری به هزاران ویژگی یا بیشتر محدود هستند.
در این مقاله،. ما یک برآوردگر جدید برای SPCA پیشنهاد میکنیم که میتواند بهعنوان یک MIP فرموله شود.
متفاوت از کار قبلی،. ما از مدل کوواریانس سنبله زیربنایی و ویژگیهای توزیع گاوسی چند متغیره برای رسیدن به تخمینگر خود استفاده.
میکنیم. ما تضمینهای آماری را برای برآوردگر پیشنهادی خود از نظر خطای تخمین و بازیابی پشتیبانی ایجاد می.
کنیم. ما تضمینهای تحت خروج از مدل کوواریانس میخ دار،.
و برای راهحلهای تقریبی برای مسئله بهینهسازی. ما یک الگوریتم سفارشی برای حل MIP پیشنهاد میکنیم،.
که مقیاس بهتری نسبت به حلکنندههای خارج از قفسه دارد و نشان میدهد که رویکرد ما میتواند از. نظر محاسباتی بسیار جذابتر در مقایسه با رویکردهای مبتنی بر MIP دقیق قبلی برای مشکل SPCA باشد.
آزمایشهای عددی ما بر روی مجموعه دادههای مصنوعی و واقعی نشان میدهد که الگوریتمهای ما میتوانند مشکلاتی با. حداکثر 20000 ویژگی را در عرض چند دقیقه برطرف کنند.
و بهطور کلی منجر به خواص آماری مطلوب در مقایسه با رویکردهای رایج موجود برای SPCA میشود. برای حضور در Annals of Statistics روش شناسی (stat.
ME); نظریه آمار (math. ST) استناد بهعنوان: (یا v4 [stat.
ME] برای این نسخه) https:. // شده توسط arXiv از طریق DataCite تاریخچه ارسال از:.
کیهان بهدین [مشاهده ایمیل] [v1] پنجشنبه،. 23 سپتامبر 2021،.
04:. 52:.
23 UTC (303 KB) [v2] یکشنبه،. 26 سپتامبر 2021،.
04:. 40:.
14 UTC (304 KB) [v3] پنجشنبه،. 26 فوریه 2026،.
ساعت 22:. 05:.
44 UTC (346 کیلوبایت) [v4] جمعه،. 3 آوریل 2026،.
05:. 39:.
58 UTC (346 KB).
چرا مهم است
اهمیت این خبر در این است که روی استفاده واقعی از AI و تصمیمگیری سازمانی اثر میگذارد.
منبع
لینک منبع اصلی در کارت و صفحه مقاله نمایش داده میشود.