邻里成分分析

✍ dations ◷ 2024-12-23 18:14:25 #多变量统计,资料分析,统计模型

邻里成分分析(Neighborhood components analysis,NCA)是一种监督式学习的方法,根据一种给定的距离度量算法对样本数据进行度量,然后对多元变量数据进行分类。在功能上其和k近邻算法的目的相同,直接利用随即近邻的概念确定与测试样本临近的有标签的训练样本。

邻里成分分析是一种距离度量学习方法,其目的在于通过在训练集上学习得到一个线性空间转移矩阵,在新的转换空间中最大化平均留一(LOO)分类效果。该算法的关键是与空间转换矩阵相关的的一个正定矩阵A,该矩阵A可以通过定义A的一个可微的目标函数并利用迭代法(如共轭梯度法、共轭梯度下降法等)求解得到。该算法的好处之一是类别数K可以用一个函数f(确定标量常数)来定义。因此该算法可以用来解决模型选择的问题。

为了定义转换矩阵A,我们首先定义一个在新的转换矩阵中表示分类准确率的目标函数,并且尝试确定A*使得这个目标函数最大化。

A = argmax A f ( A ) {\displaystyle A^{*}={\mbox{argmax}}_{A}f(A)}

对一个单一的数据点进行类别预测时,我们需要考虑有一种给定的距离度量确定的K个最近邻居,根据 k {\displaystyle k} 个近邻的类别标签投票得到该样本的类别。这就是留一(Loo)分类算法。但是对所有数据集进行一个线性空间变换之后,新空间中的同一样本的最近邻居集可能跟原空间的最近邻居集有很大差别。特别的,为了平滑 A {\displaystyle A} 中元素的变化,我们可以使该样本的最近邻居集离散化,也就是说任意一个基于一个点的最近邻居集的目标函数f都是离散的,因此也是不连续的。

我们可以用一种受随机梯度下降法算法的启示得到的方法解决该问题。在新的转换空间中,我们并不是对每个样本点用留一分类方法求取 k {\displaystyle k} 个最近邻居,而是在新空间中考虑整个数据集作为随机最近邻居。我们用一个平方欧氏距离函数来定义在新的转换空间中的留一数据点与其他数据的距离,该函数定义如下:

p i j = { e | | A x i A x j | | 2 k e | | A x i A x k | | 2 , if j i 0 , if j = i {\displaystyle p_{ij}={\begin{cases}{\frac {e^{-||Ax_{i}-Ax_{j}||^{2}}}{\sum _{k}e^{-||Ax_{i}-Ax_{k}||^{2}}}},&{\mbox{if}}j\neq i\\0,&{\mbox{if}}j=i\end{cases}}}

输入点 i {\displaystyle i} 的分类准确率是与其相邻的最近邻居集 C i {\displaystyle C_{i}} 的分类准确率: p i = j n p i j {\displaystyle p_{i}=\sum _{j}^{n}p_{ij}\quad } 其中 p i j {\displaystyle p_{ij}} j {\displaystyle j} i {\displaystyle i} 的最近邻居的概率。定义用全局数据集作为随机最近邻的留一分类方法确定的目标函数如下:

f ( A ) = i j C i p i j = i p i {\displaystyle f(A)=\sum _{i}\sum _{j\in C_{i}}p_{ij}=\sum _{i}p_{i}}

由随机近邻理论知,与单一样本点 C i {\displaystyle C_{i}} 的同类别的在随机近邻域 C i {\displaystyle C_{i}} 样本点 j {\displaystyle j} 可以表示为:

P ( C l a s s ( X i ) = C l a s s ( X j ) ) = p i j {\displaystyle P(Class(X_{i})=Class(X_{j}))=p_{ij}} 。因此,单一样本点 i {\displaystyle i} 的预测类别是随机近邻集中其他样本类别的某种组合,其准确率与随机近邻域 C i {\displaystyle C_{i}} 中与 i {\displaystyle i} 同类别的 y {\displaystyle y} 所占的比例有关。因此,目标函数可以更好的选为:

f A = 2 A i j C i p i j ( x i j x i j T k p i k x i k x i k T ) {\displaystyle {\frac {\partial f}{\partial A}}=-2A\sum _{i}\sum _{j\in C_{i}}p_{ij}\left(x_{ij}x_{ij}^{T}-\sum _{k}p_{ik}x_{ik}x_{ik}^{T}\right)}

这里用到了连续梯度下降算法。

最大化函数f(.)相当于最小化预测的类分布和真正的类分布之间的差距,即使两者更接近。故目标函数和梯度可以重新写作:

g ( A ) = i log ( j C i p i j ) = i log ( p i ) {\displaystyle g(A)=\sum _{i}\log \left(\sum _{j\in C_{i}}p_{ij}\right)=\sum _{i}\log(p_{i})}

g A = 2 A i ( k p i k x i k x i k T j C i p i j x i j x i j T j C i p i j ) {\displaystyle {\frac {\partial g}{\partial A}}=2A\sum _{i}\left(\sum _{k}p_{ik}x_{ik}x_{ik}^{T}-{\frac {\sum _{j\in C_{i}}p_{ij}x_{ij}x_{ij}^{T}}{\sum _{j\in C_{i}}p_{ij}}}\right)}

在实际应用中运用此方法得到优化的 A {\displaystyle A} 与之前的方法得到的 A {\displaystyle A} 有相似的预测结果。

邻里成分分析是由Jacob Goldberger, Sam Roweis, Ruslan Salakhudinov和Geoff Hinton 等人在2004年在多伦多大学计算机系创建的。

相关

  • 木部,为汉字索引中的部首之一,康熙字典214个部首中的第七十五个(四划的则为第十五个)。就繁体和简体中文中,木部归于四划部首。木部通常是从上、下、左、中方均可为部字。当下为
  • 先驱者计划name = 'Aero', description = '航空太空科技(航空航天科技)', content = {{ type = 'text', text = [=[本页面没有类似于NoteTA的数量限制。 请自行修改分类名。在NoteTA样板
  • CP有机磷化合物指含有碳-磷键的有机化合物,它们主要用于虫害控制以作为长期存在于环境中的氯化烃、滴滴涕等替代物。研究有机磷化合物性质和反应的有机化学分支称作有机磷化学
  • 有机镉化合物有机镉化合物是含有碳-镉键的一类金属有机化合物。格氏试剂和有机锂试剂与卤化镉反应,可以得到二烃基镉,如:炔烃和二甲基镉或二氨基镉反应,可以得到镉的炔基化合物:芳基镉化合物
  • 2013年9月逝世人物列表2013年9月逝世人物列表,是用于汇总2013年9月期间逝世人物的列表。
  • 库利什 (埃米利奇涅区)坐标:50°47′47″N 27°50′5″E / 50.79639°N 27.83472°E / 50.79639; 27.83472库利什(乌克兰语:Куліші),是乌克兰的村落,位于该国北部日托米尔州,由埃米利奇涅区负责管
  • 斯拉沃尼亚王国斯拉沃尼亚王国(克罗地亚语:Kraljevina Slavonija;德语:Königreich Slawonien;拉丁语:Regnum Sclavoniae;匈牙利语:Szlavón Királyság)是奥地利帝国的一个构成王国,存在于1699年至
  • 阮自嵩阮自嵩(?-?),字惟中,号思竹,直隶桐城(今安徽枞阳)阮家享堂人,祖籍陕西长安(今西安市),明朝政治人物、进士出身。福建巡抚阮鹗之侄。顺天府乡试第十一名,后参加会试第二十名。嘉靖三十五年(15
  • 彰化县私立正德高级中学正德学校财团法人彰化县正德高级中学(Zen Del Senior High School,ZDVS),简称正德高中,位于彰化市莿桐里的私立完全中学。拥有国中、高中、高职等三种学制。正学培德普通科10班、
  • 尹勋尹勋,字伯元,河南郡巩县(今河南省巩义市西南)人,东汉政治人物。伯父尹睦为司徒,兄尹颂为太尉,宗族多是担任政府要职,孝廉出身、曾任邯郸令、尚书令。在汉桓帝诛大将军梁冀时,勋参建大