尽管像主组件分析一样,经典缩放是无参数的,但大多数用于嵌入多元数据的方法都需要选择一个或几个参数。由于情况的无监督性,这种调整可能很困难。我们提出了一种简单,几乎明显的方法来监督调整参数的选择:最大程度地减少压力的概念。我们通过参考刚性理论来证实这种选择。我们扩展了Aspnes等人的结果。 (IEEE移动计算,2006年),表明一般的随机几何图形是具有很高概率的三材料图。我们提供了稳定结果\ a la anderson等。 (SIAM离散数学,2010年)。我们在Shang和Ruml的MDS-MAP(P)算法的背景下说明了这种方法(IEEE Infocom,2004)。作为一种典型的补丁方法,它需要选择补丁大小,我们使用压力来使该选择数据驱动。在这种情况下,我们执行许多实验来说明使用应力作为调整参数选择的基础的有效性。这样一来,我们揭示了一个偏见差异的权衡,这是一种现象,在多维缩放文献中可能被忽略了。通过将MDS-MAP(P)变成一种流形学习方法,我们获得了ISOMAP的局部版本,为此,应力最小化也可以用于参数调整。
translated by 谷歌翻译