《表3 不同情况下的最优维度》
近邻点的个数k是流形学习算法的重要参数,不同的k值对降维效果会产生不同的影响。文中对同一降维方法中相同近邻点个数、不同维度的MAPE值(见表2)进行对比,将最小MAPE值对应的维度作为该近邻点个数下的最优维度,针对线性降维仅仅从不同维度的MAPE值来衡量即可。通过表2可以总结出在不同情况下的最优维度,见表3。
图表编号 | XD00133653600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.03.25 |
作者 | 潘纪情、付冬梅、杨焘、刘磊明 |
绘制单位 | 北京科技大学自动化学院、北京科技大学自动化学院、北京科技大学自动化学院、北京科技大学自动化学院 |
更多格式 | 高清、无水印(增值服务) |