主要内容gydF4y2Ba

このページの翻訳は最新ではありません。ここをクリックして,英語の最新版を参照してください。gydF4y2Ba

fsulaplaciangydF4y2Ba

ラプラシアンスコアを使用して教師なし学習の特徴量をランク付けgydF4y2Ba

ページ内をすべて折りたたむgydF4y2Ba

構文gydF4y2Ba

idx = fsulaplacian (X)gydF4y2Ba
idx = fsulaplacian (X、名称、值)gydF4y2Ba
[idx,分数]= fsulaplacian (gydF4y2Ba＿＿＿gydF4y2Ba）gydF4y2Ba

説明gydF4y2Ba

例gydF4y2Ba

idxgydF4y2Ba= fsulaplacian (gydF4y2BaXgydF4y2Ba）gydF4y2Baは,gydF4y2BaラプラシアンスコアgydF4y2Baを使用してgydF4y2BaXgydF4y2Baの特徴量(変数)をランク付けします。関数はgydF4y2BaidxgydF4y2Baを返します。これには特徴量の重要度順に並べ替えられた特徴量のインデックスが含まれます。gydF4y2BaidxgydF4y2Baを使用して,教師なし学習用の重要な特徴量を選択できます。gydF4y2Ba

例gydF4y2Ba

idxgydF4y2Ba= fsulaplacian (gydF4y2BaXgydF4y2Ba，gydF4y2Ba名称,值gydF4y2Ba）gydF4y2Baでは1つ以上の名前と値のペアの引数を使用して追加オプションを指定します。たとえば,gydF4y2Ba“NumNeighbors”,10gydF4y2Baを指定すると10個の最近傍を使用してgydF4y2Ba類似度グラフgydF4y2Baを作成できます。gydF4y2Ba

［gydF4y2BaidxgydF4y2Ba，gydF4y2Ba分数gydF4y2Ba) = fsulaplacian (gydF4y2Ba＿＿＿gydF4y2Ba）gydF4y2Baは,前の構文におけるいずれかの入力引数の組み合わせを使用して,特徴量スコアgydF4y2Ba分数gydF4y2Baも返します。大きなスコア値は,対応する特徴量が重要であることを示します。gydF4y2Ba

例gydF4y2Ba

すべて折りたたむgydF4y2Ba

ライブスクリプトを開くgydF4y2Ba

標本データを読み込みます。gydF4y2Ba

负载gydF4y2Ba电离层gydF4y2Ba

重要度に基づいて特徴量をランク付けします。gydF4y2Ba

[idx,分数]= fsulaplacian (X);gydF4y2Ba

特徴量の重要度スコアの棒グラフを作成します。gydF4y2Ba

栏(分数(idx))包含(gydF4y2Ba“功能等级”gydF4y2Ba) ylabel (gydF4y2Ba“功能重要性分数”gydF4y2Ba）gydF4y2Ba

图中包含一个坐标轴。坐标轴包含bar类型的对象。gydF4y2Ba

上第五位つの最も重要な特徴量を選択します。gydF4y2BaXgydF4y2Baにおけるこれらの特徴量の列を求めます。gydF4y2Ba

idx (1:5)gydF4y2Ba
ans =gydF4y2Ba1×5gydF4y2Ba15 13 17 21 19gydF4y2Ba

XgydF4y2Baの15列目が,最も重要な特徴量です。gydF4y2Ba

ライブスクリプトを開くgydF4y2Ba

フィッシャーのアヤメのデータセットから類似度行列を計算し,類似度行列を使用して特徴量をランク付けします。gydF4y2Ba

フィッシャーのアヤメのデータセットを読み込みます。gydF4y2Ba

负载gydF4y2BafisheririsgydF4y2Ba

既定のユークリッド距離計量で関数gydF4y2BapdistgydF4y2BaとgydF4y2BasquareformgydF4y2Baを使用して,gydF4y2Ba量gydF4y2Baに含まれている観測値の各ペア間の距離を求めます。gydF4y2Ba

D = pdist(量);Z = squareform (D);gydF4y2Ba

類似度行列を作成し,これが対称であることを確認します。gydF4y2Ba

S = exp (- z ^ 2);issymmetric (S)gydF4y2Ba
ans =gydF4y2Ba逻辑gydF4y2Ba1gydF4y2Ba

特徴量をランク付けします。gydF4y2Ba

idx = fsulaplacian(量,gydF4y2Ba“相似”gydF4y2Ba,年代)gydF4y2Ba
idx =gydF4y2Ba1×4gydF4y2Ba3 4 1 2gydF4y2Ba

類似度行列gydF4y2Ba年代gydF4y2Baを使用したランク付けは,gydF4y2Ba“NumNeighbors”gydF4y2BaをgydF4y2Ba尺寸(量,1)gydF4y2Baとして指定することによるランク付けと同じです。gydF4y2Ba

idx2 = fsulaplacian(量,gydF4y2Ba“NumNeighbors”gydF4y2Ba、尺寸(量,1))gydF4y2Ba
idx2 =gydF4y2Ba1×4gydF4y2Ba3 4 1 2gydF4y2Ba

入力引数gydF4y2Ba

すべて折りたたむgydF4y2Ba

入力データ。n行p 列の数値行列を指定します。XgydF4y2Baの行は観測値(点)に列は特徴量に対応します。gydF4y2Ba

南gydF4y2BaはgydF4y2BaXgydF4y2Baの欠損データとして扱われ,最低1つのgydF4y2Ba南gydF4y2Baを含むgydF4y2BaXgydF4y2Baの任意の行を無視します。gydF4y2Ba

データ型:gydF4y2Ba单gydF4y2Ba|gydF4y2Ba双gydF4y2Ba

名前と値のペアの引数gydF4y2Ba

オプションのgydF4y2Ba名称,值gydF4y2Ba引数のコンマ区切りペアを指定します。gydF4y2Ba的名字gydF4y2Baは引数名で,gydF4y2Ba价值gydF4y2Baは対応する値です。gydF4y2Ba的名字gydF4y2Baは引用符で囲まなければなりません。gydF4y2BaName1, Value1,…,的家gydF4y2Baのように,複数の名前と値のペアの引数を,任意の順番で指定できます。gydF4y2Ba

例:gydF4y2Ba“NumNeighbors”10“KernelScale”、“汽车”gydF4y2Baは,最近傍の個数を10にカーネルスケール係数をgydF4y2Ba“汽车”gydF4y2Baに指定します。gydF4y2Ba

類似度行列。gydF4y2Ba“相似”gydF4y2Baとn行n列の対称行列から構成されるコンマ区切りのペアとして指定します。nは観測値の個数です。類似度行列（または隣接行列) は、データ点間の局所的な近傍関係をモデル化することで入力データを表します。類似度行列内の値は、類似度グラフgydF4y2Ba内で接続しているノード(データ点)間のエッジ(または接続)を表します。詳細は,gydF4y2Ba類似度行列gydF4y2Baを参照してください。gydF4y2Ba

“相似”gydF4y2Baの値を指定する場合,別の名前と値のペアの引数を指定することはできません。gydF4y2Ba“相似”gydF4y2Baの値を指定しない場合,別の名前と値のペアの引数によって指定されたオプションを使用して類似度行列の計算が行われます。gydF4y2Ba

データ型:gydF4y2Ba单gydF4y2Ba|gydF4y2Ba双gydF4y2Ba

距離計量。gydF4y2Ba“距离”gydF4y2Baと次の表で説明されている文字ベクトル,字符串スカラーまたは関数ハンドルから構成されるコンマ区切りのペアとして指定します。gydF4y2Ba

値gydF4y2Ba 説明gydF4y2Ba
“欧几里得”gydF4y2Ba

ユークリッド距離(既定)gydF4y2Ba
“seuclidean”gydF4y2Ba

標準化されたユークリッド距離。観測値間の各座標差は,gydF4y2BaXgydF4y2Baから計算された標準偏差の対応する要素で除算することによりスケーリングされます。名前と値のペアの引数gydF4y2Ba规模gydF4y2Baを使用して,異なるスケーリング係数を指定します。gydF4y2Ba
“mahalanobis”gydF4y2Ba

XgydF4y2Baの標本共分散を使用したマハラノビス距離,gydF4y2BaC = X (X, omitrows)gydF4y2Ba。名前と値のペアの引数gydF4y2Ba浸gydF4y2Baを使用して,異なる共分散行列を指定します。gydF4y2Ba
“cityblock”gydF4y2Ba

市街地距離gydF4y2Ba
闵可夫斯基的gydF4y2Ba

ミンコフスキー距離。既定の指数は2です。名前と値のペアの引数gydF4y2BaPgydF4y2Baを使用して,別の指数を指定します。gydF4y2BaPgydF4y2Baは正のスカラー値です。gydF4y2Ba
“chebychev”gydF4y2Ba

チェビシェフ距離(最大座標差)gydF4y2Ba
的余弦gydF4y2Ba

1から,ベクトルとして扱われる観測間の夾角の余弦を減算gydF4y2Ba
“相关”gydF4y2Ba

1から,観測値間の標本相関を減算(値の系列として処理)gydF4y2Ba
“汉明”gydF4y2Ba

ハミング距離(異なる座標の比率)gydF4y2Ba
“jaccard”gydF4y2Ba

1からジャカード係数(異なる非ゼロ座標の比率)を減算gydF4y2Ba
“枪兵”gydF4y2Ba

1から観測値間の標本スピアマン順位相関係数を減算(値の系列として処理)gydF4y2Ba
＠gydF4y2BadistfungydF4y2Ba

カスタム距離関数のハンドル。距離関数の形式は次のようになります。gydF4y2Ba

函数gydF4y2BaZJ D2 = distfun(子)gydF4y2Ba距离计算%gydF4y2Ba．．．gydF4y2Ba
ここで,gydF4y2Ba

  • 子gydF4y2Baは,単一の観測値が含まれているgydF4y2Ba1gydF4y2Ba行gydF4y2BangydF4y2Ba列のベクトルです。gydF4y2Ba

  • ZJgydF4y2Baは,複数の観測値が含まれているgydF4y2Ba平方米gydF4y2Ba行gydF4y2BangydF4y2Ba列の行列です。gydF4y2BadistfungydF4y2Baは,任意の個数の観測値が含まれている行列gydF4y2BaZJgydF4y2Baを受け入れなければなりません。gydF4y2Ba

  • D2gydF4y2BaはgydF4y2Ba平方米gydF4y2Ba行gydF4y2Ba1gydF4y2Ba列の距離のベクトルであり,gydF4y2BaD2 (k)gydF4y2Baは観測値gydF4y2Ba子gydF4y2BaとgydF4y2BaZJ (k,:)gydF4y2Baの間の距離です。gydF4y2Ba

データがスパースでない場合,通常は関数ハンドルではなく組み込みの距離を使用する方が高速に距離を計算できます。gydF4y2Ba

詳細は,gydF4y2Ba距離計量gydF4y2Baを参照してください。gydF4y2Ba

“seuclidean”gydF4y2Ba、gydF4y2Ba闵可夫斯基的gydF4y2BaまたはgydF4y2Ba“mahalanobis”gydF4y2Ba距離計量を使用する場合,追加の名前と値のペアの引数gydF4y2Ba“规模”gydF4y2Ba、gydF4y2Ba“P”gydF4y2BaまたはgydF4y2Ba“浸”gydF4y2Baをそれぞれ指定して,距離計量を制御することができます。gydF4y2Ba

例:gydF4y2Ba“距离”、“闵可夫斯基”,“P”3gydF4y2Baは,指数gydF4y2Ba3.gydF4y2Baのミンコフスキー距離計量を使用することを指定します。gydF4y2Ba

ミンコフスキー距離計量の指数。gydF4y2Ba“P”gydF4y2Baと正のスカラー値をコンマで区切って指定します。gydF4y2Ba

この引数は,gydF4y2Ba“距离”gydF4y2BaがgydF4y2Ba闵可夫斯基的gydF4y2Baである場合のみ有効です。gydF4y2Ba

例:gydF4y2Ba“P”3gydF4y2Ba

データ型:gydF4y2Ba单gydF4y2Ba|gydF4y2Ba双gydF4y2Ba

マハラノビス距離計量の共分散行列。gydF4y2Ba“浸”gydF4y2Baと正定値行列から構成されるコンマ区切りのペアとして指定します。gydF4y2Ba

この引数は,gydF4y2Ba“距离”gydF4y2BaがgydF4y2Ba“mahalanobis”gydF4y2Baである場合のみ有効です。gydF4y2Ba

例:gydF4y2Ba“浸”,眼睛(4)gydF4y2Ba

データ型:gydF4y2Ba单gydF4y2Ba|gydF4y2Ba双gydF4y2Ba

標準化されたユークリッド距離計量のスケール係数。gydF4y2Ba“规模”gydF4y2Baと非負値の数値ベクトルから構成されるコンマ区切りのペアとして指定します。gydF4y2Ba

XgydF4y2Baの各次元(列)には対応するgydF4y2Ba规模gydF4y2Baの値があるので,gydF4y2Ba规模gydF4y2Baの長さはp (gydF4y2BaXgydF4y2Baの列数)です。gydF4y2BafsulaplaciangydF4y2Baは,gydF4y2BaXgydF4y2Baの各次元について,gydF4y2Ba规模gydF4y2Ba内の対応する値を使用して,観測値の差を標準化します。gydF4y2Ba

この引数は,gydF4y2Ba“距离”gydF4y2BaがgydF4y2Ba“seuclidean”gydF4y2Baである場合のみ有効です。gydF4y2Ba

データ型:gydF4y2Ba单gydF4y2Ba|gydF4y2Ba双gydF4y2Ba

類似度グラフの作成に使用される最近傍の個数。gydF4y2Ba“NumNeighbors”gydF4y2Baと正の整数で構成されるコンマ区切りのペアとして指定します。gydF4y2Ba

例:gydF4y2Ba“NumNeighbors”,10gydF4y2Ba

データ型:gydF4y2Ba单gydF4y2Ba|gydF4y2Ba双gydF4y2Ba

カーネルのスケール係数。gydF4y2Ba“KernelScale”gydF4y2BaとgydF4y2Ba“汽车”gydF4y2Baまたは正のスカラーで構成されるコンマ区切りのペアとして指定します。距離を類似度測定に変換するために,スケール係数が使用されます。詳細は,gydF4y2Ba類似度グラフgydF4y2Baを参照してください。gydF4y2Ba

  • “汽车”gydF4y2Baオプションは,gydF4y2Ba“欧几里得”gydF4y2BaおよびgydF4y2Ba“seuclidean”gydF4y2Baの距離計量でのみサポートされます。gydF4y2Ba

  • “汽车”gydF4y2Baを指定した場合,ヒューリスティック手法を使用して適切なスケール係数が選択されます。このヒューリスティック手法では副標本抽出を使用するので,呼び出すたびに推定値が変化する可能性があります。結果を再現するには,gydF4y2BafsulaplaciangydF4y2Baを呼び出す前にgydF4y2BarnggydF4y2Baを使用して乱数シードを設定します。gydF4y2Ba

例:gydF4y2Ba“KernelScale”、“汽车”gydF4y2Ba

出力引数gydF4y2Ba

すべて折りたたむgydF4y2Ba

特徴量の重要度順に並べ替えられたgydF4y2BaXgydF4y2Baの特徴量のインデックス。数値ベクトルとして返されます。たとえば、idx (3)gydF4y2BaがgydF4y2Ba5gydF4y2Baである場合3番目に重要な特徴量はgydF4y2BaXgydF4y2Baの5列目です。gydF4y2Ba

特徴量スコア。数値ベクトルとして返されます。大きな分数gydF4y2Baスコア値は,対応する特徴量が重要であることを示します。gydF4y2Ba分数gydF4y2Ba内の値の順序は,gydF4y2BaXgydF4y2Ba内の特徴量と同じ順序です。gydF4y2Ba

詳細gydF4y2Ba

すべて折りたたむgydF4y2Ba

類似度グラフgydF4y2Ba

類似度グラフは,gydF4y2BaXgydF4y2Baのデータ点間の局所的な近傍関係を無向グラフとしてモデル化します。グラフ内のノードはデータ点を表し,無向のエッジはデータ点間の接続を表します。gydF4y2Ba

我任意の2つのノードおよびj間のペアワイズ距離DistgydF4y2Ba我,我gydF4y2Baが正である(またはあるしきい値よりも大きい)場合,類似度グラフはエッジgydF4y2Ba［2］gydF4y2Baを使用して2つのノードを接続します。2つのノード間のエッジは、ペアワイズ類似度 S我,我gydF4y2Baによって重み付けされます。ここで,指定されたカーネル スケール σ の値に対して 年代gydF4y2Ba 我gydF4y2Ba ，gydF4y2Ba jgydF4y2Ba ＝gydF4y2Ba 经验值gydF4y2Ba （gydF4y2Ba −gydF4y2Ba （gydF4y2Ba DgydF4y2Ba 我gydF4y2Ba 年代gydF4y2Ba tgydF4y2Ba 我gydF4y2Ba ，gydF4y2Ba jgydF4y2Ba σgydF4y2Ba ）gydF4y2Ba 2gydF4y2Ba ）gydF4y2Ba です。gydF4y2Ba

fsulaplaciangydF4y2Baは,最近傍法を使用して類似度グラフを作成します。関数は,最近傍であるgydF4y2BaXgydF4y2Ba内の点を接続します。gydF4y2Ba“NumNeighbors”gydF4y2Baを使用して,最近傍の個数を指定します。gydF4y2Ba

類似度行列gydF4y2Ba

類似度行列は,gydF4y2Ba類似度グラフgydF4y2Baの行列表現です。n行n列の行列 年代gydF4y2Ba ＝gydF4y2Ba （gydF4y2Ba 年代gydF4y2Ba 我gydF4y2Ba ，gydF4y2Ba jgydF4y2Ba ）gydF4y2Ba 我gydF4y2Ba ，gydF4y2Ba jgydF4y2Ba ＝gydF4y2Ba 1gydF4y2Ba ，gydF4y2Ba ．．．gydF4y2Ba ，gydF4y2Ba ngydF4y2Ba には,類似度グラフで接続しているノード間のペアワイズ類似度の値が含まれます。グラフの類似度行列は,隣接行列とも呼ばれます。gydF4y2Ba

類似度グラフのエッジが無向であるため,類似度行列は対称です。gydF4y2Ba年代gydF4y2Ba我,我gydF4y2Ba= 0gydF4y2Baの値は,類似度グラフのノードiとjが接続していないことを意味します。gydF4y2Ba

次数行列gydF4y2Ba

次数行列DgydF4y2BaggydF4y2Baは,gydF4y2Ba類似度行列gydF4y2Ba年代の行を合計することで得られるn行n列の対角行列です。つまりDgydF4y2BaggydF4y2Baの我番目の対角要素はgydF4y2Ba DgydF4y2Ba ggydF4y2Ba （gydF4y2Ba 我gydF4y2Ba ，gydF4y2Ba 我gydF4y2Ba ）gydF4y2Ba ＝gydF4y2Ba ∑gydF4y2Ba jgydF4y2Ba ＝gydF4y2Ba 1gydF4y2Ba ngydF4y2Ba 年代gydF4y2Ba 我gydF4y2Ba ，gydF4y2Ba jgydF4y2Ba ．gydF4y2Ba です。gydF4y2Ba

ラプラシアン行列gydF4y2Ba

類似度グラフgydF4y2Baを表す1つの方法であるラプラシアン行列は,gydF4y2Ba次数行列gydF4y2BaDgydF4y2BaggydF4y2BaとgydF4y2Ba類似度行列gydF4y2Ba年代の差として定義されます。gydF4y2Ba

lgydF4y2Ba ＝gydF4y2Ba DgydF4y2Ba ggydF4y2Ba −gydF4y2Ba 年代gydF4y2Ba ．gydF4y2Ba

アルゴリズムgydF4y2Ba

すべて折りたたむgydF4y2Ba

ラプラシアンスコアgydF4y2Ba

関数gydF4y2BafsulaplaciangydF4y2Baは,最近傍のgydF4y2Ba類似度グラフgydF4y2Baから取得したラプラシアンスコアgydF4y2Ba［1］gydF4y2Baを使用して特徴量をランク付けします。gydF4y2Ba

fsulaplaciangydF4y2Baは,次のようにgydF4y2Ba分数gydF4y2Baの値を計算します。gydF4y2Ba

  1. XgydF4y2Ba内の各データ点に対して,最近傍法を使用して局所的な近傍を定義し,近傍内のすべての点我およびjのペアワイズ距離gydF4y2Ba DgydF4y2Ba 我gydF4y2Ba 年代gydF4y2Ba tgydF4y2Ba 我gydF4y2Ba ，gydF4y2Ba jgydF4y2Ba を求めます。gydF4y2Ba

  2. カーネル変換gydF4y2Ba 年代gydF4y2Ba 我gydF4y2Ba ，gydF4y2Ba jgydF4y2Ba ＝gydF4y2Ba 经验值gydF4y2Ba （gydF4y2Ba −gydF4y2Ba （gydF4y2Ba DgydF4y2Ba 我gydF4y2Ba 年代gydF4y2Ba tgydF4y2Ba 我gydF4y2Ba ，gydF4y2Ba jgydF4y2Ba σgydF4y2Ba ）gydF4y2Ba 2gydF4y2Ba ）gydF4y2Ba を使用して距離をgydF4y2Ba類似度行列gydF4y2Ba年代に変換します。ここでσは,名前と値のペアの引数gydF4y2Ba“KernelScale”gydF4y2Baによって指定されるカーネルのスケール係数です。gydF4y2Ba

  3. 各特徴量をその平均を削除することでセンタリングします。gydF4y2Ba

    xgydF4y2Ba ˜gydF4y2Ba rgydF4y2Ba ＝gydF4y2Ba xgydF4y2Ba rgydF4y2Ba −gydF4y2Ba xgydF4y2Ba rgydF4y2Ba TgydF4y2Ba DgydF4y2Ba ggydF4y2Ba 1gydF4y2Ba 1gydF4y2Ba TgydF4y2Ba DgydF4y2Ba ggydF4y2Ba 1gydF4y2Ba 1gydF4y2Ba ，gydF4y2Ba

    ここでxgydF4y2BargydF4y2Baはr番目の特徴量,DgydF4y2BaggydF4y2BaはgydF4y2Ba次数行列gydF4y2Baであり,gydF4y2Ba 1gydF4y2Ba TgydF4y2Ba ＝gydF4y2Ba ［gydF4y2Ba 1gydF4y2Ba ，gydF4y2Ba ⋯gydF4y2Ba ，gydF4y2Ba 1gydF4y2Ba ］gydF4y2Ba TgydF4y2Ba です。gydF4y2Ba

  4. 各特徴量のスコア年代gydF4y2BargydF4y2Baを計算します。gydF4y2Ba

    年代gydF4y2Ba rgydF4y2Ba ＝gydF4y2Ba xgydF4y2Ba ˜gydF4y2Ba rgydF4y2Ba TgydF4y2Ba 年代gydF4y2Ba xgydF4y2Ba ˜gydF4y2Ba rgydF4y2Ba xgydF4y2Ba ˜gydF4y2Ba rgydF4y2Ba TgydF4y2Ba DgydF4y2Ba ggydF4y2Ba xgydF4y2Ba ˜gydF4y2Ba rgydF4y2Ba ．gydF4y2Ba

［1］gydF4y2BaがラプラシアンスコアをgydF4y2Ba

lgydF4y2Ba rgydF4y2Ba ＝gydF4y2Ba xgydF4y2Ba ˜gydF4y2Ba rgydF4y2Ba TgydF4y2Ba lgydF4y2Ba xgydF4y2Ba ˜gydF4y2Ba rgydF4y2Ba xgydF4y2Ba ˜gydF4y2Ba rgydF4y2Ba TgydF4y2Ba DgydF4y2Ba ggydF4y2Ba xgydF4y2Ba ˜gydF4y2Ba rgydF4y2Ba ＝gydF4y2Ba 1gydF4y2Ba −gydF4y2Ba xgydF4y2Ba ˜gydF4y2Ba rgydF4y2Ba TgydF4y2Ba 年代gydF4y2Ba xgydF4y2Ba ˜gydF4y2Ba rgydF4y2Ba xgydF4y2Ba ˜gydF4y2Ba rgydF4y2Ba TgydF4y2Ba DgydF4y2Ba ggydF4y2Ba xgydF4y2Ba ˜gydF4y2Ba rgydF4y2Ba ，gydF4y2Ba

のように定義していることに注意してください。ここでLはDgydF4y2BaggydF4y2Baと年代の間の差として定義されているgydF4y2Baラプラシアン行列gydF4y2Baです。関数gydF4y2BafsulaplaciangydF4y2Baは,gydF4y2Ba分数gydF4y2Baのスコア値にこの方程式の2つ目の項のみを使用するため,大きいスコア値が重要な予測子を示します。gydF4y2Ba

ラプラシアンスコアを使用した特徴量の選択は,値gydF4y2Ba

∑gydF4y2Ba 我gydF4y2Ba ，gydF4y2Ba jgydF4y2Ba （gydF4y2Ba xgydF4y2Ba 我gydF4y2Ba rgydF4y2Ba −gydF4y2Ba xgydF4y2Ba jgydF4y2Ba rgydF4y2Ba ）gydF4y2Ba 2gydF4y2Ba 年代gydF4y2Ba 我gydF4y2Ba ，gydF4y2Ba jgydF4y2Ba VgydF4y2Ba 一个gydF4y2Ba rgydF4y2Ba （gydF4y2Ba xgydF4y2Ba rgydF4y2Ba ）gydF4y2Ba ，gydF4y2Ba

の最小化と一致します。ここでxgydF4y2Ba红外gydF4y2Baはr番目の特徴量の我番目の観測値を表します。この値を最小化することは,アルゴリズムでは大きな分散をもつ特徴量が推奨されることを示します。また,アルゴリズムは,類似性グラフの2つのデータ点の間にエッジがある場合のみ,重要な特徴量の2つのデータ点が近いと仮定します。gydF4y2Ba

参照gydF4y2Ba

他，X.， D. Cai, P. Niyogi。"特征选择的拉普拉斯分值"少量的诉讼。2005。gydF4y2Ba

[2] Von Luxburg, U.《光谱聚类教程》统计与计算期刊。Vol.17, no . 4, 2007, pp. 395-416。gydF4y2Ba

参考gydF4y2Ba

|gydF4y2Ba|gydF4y2Ba

トピックgydF4y2Ba

R2019bで導入gydF4y2Ba

统计和机器学习工具箱ドキュメンテーションgydF4y2Ba

サポートgydF4y2Ba

機械学習をマスターする:MATLABステップ・バイ・ステップガイドgydF4y2Ba

機械学習をマスターする:MATLABステップ・バイ・ステップガイドgydF4y2Ba

电子书をダウンロードするgydF4y2Ba