7月21日、第11回 ステアラボ人工知能セミナーで
高次元データにおけるハブの出現
について聞いてきた!のでメモ
■ご紹介
・次回予告 8月17日 Computer Vision meets Fashion
■Improving Nearest Neighbor Methods
・自己紹介&雑談
・Nearest Neighbor Methodsとは
距離などで順位づけをする:ちかいもの
→ラベルがない
・ハブとは
Hubness Phenomenon
いろいろな近傍事例
→有意義なものではない
・なぜ、ハブがでるのか?
原点に近いオブジェクトほど、ハブになりやすい
内積の場合
・ハブ→近傍分類
ハブをへらして、近傍法の精度を上げる
・距離のノーマライゼーション
ゼロショット
k近傍
距離のノーマライゼーション
センタリング:平均を0→ハブを減らす効果
ミューチャル Proximity
対称な近傍関係を作る
・ゼロショット学習
マルチクラス分類の一つ
トレーニングとテストで違う
→一般的な分類機では分類できない
ラベルエンベッティング
一番近いラベルを予測結果とする
→ハブがでてくると、同じ結果になってしまう:問題
どうやって
ラベルを画像の空間に写像する
シュリンケージ
スペシャルセントラリティー:期待値の差を小さくする
組み合わせる
→シュリンケージする:分散小さくなる→スペシャルセントラリティーよくなる
・k近傍法
k近傍法分類
距離学習
すぺりゃるセントらりてぃー
より優れたディシジョンバウンダリーを見つければよい
UCIデータセット:ハブあんまり出ていない
・そのた
距離の正規化:しぇあーどにあれすとねいばー、らぷしあんカーネル
分類き:ないーぶべいず
グラフ:みゅーちやるk-NNmε-NN
・Q&A
よいハブ・わるいハブ
まちがったハブにささってしまう→悪いハブ
高次元データにおけるハブの出現
について聞いてきた!のでメモ
■ご紹介
・次回予告 8月17日 Computer Vision meets Fashion
■Improving Nearest Neighbor Methods
・自己紹介&雑談
・Nearest Neighbor Methodsとは
距離などで順位づけをする:ちかいもの
→ラベルがない
・ハブとは
Hubness Phenomenon
いろいろな近傍事例
→有意義なものではない
・なぜ、ハブがでるのか?
原点に近いオブジェクトほど、ハブになりやすい
内積の場合
・ハブ→近傍分類
ハブをへらして、近傍法の精度を上げる
・距離のノーマライゼーション
ゼロショット
k近傍
距離のノーマライゼーション
センタリング:平均を0→ハブを減らす効果
ミューチャル Proximity
対称な近傍関係を作る
・ゼロショット学習
マルチクラス分類の一つ
トレーニングとテストで違う
→一般的な分類機では分類できない
ラベルエンベッティング
一番近いラベルを予測結果とする
→ハブがでてくると、同じ結果になってしまう:問題
どうやって
ラベルを画像の空間に写像する
シュリンケージ
スペシャルセントラリティー:期待値の差を小さくする
組み合わせる
→シュリンケージする:分散小さくなる→スペシャルセントラリティーよくなる
・k近傍法
k近傍法分類
距離学習
すぺりゃるセントらりてぃー
より優れたディシジョンバウンダリーを見つければよい
UCIデータセット:ハブあんまり出ていない
・そのた
距離の正規化:しぇあーどにあれすとねいばー、らぷしあんカーネル
分類き:ないーぶべいず
グラフ:みゅーちやるk-NNmε-NN
・Q&A
よいハブ・わるいハブ
まちがったハブにささってしまう→悪いハブ