Séance de cours

Kernel PCA : Réduction de la dimensionnalité non linéaire

Description

Cette séance de cours couvre Kernel Principal Component Analysis (KPCA), une version non linéaire de PCA qui utilise des noyaux pour rendre le problème linéaire. Il commence par un résumé de l'analyse en composantes principales (ACP) et de son optimisation. Ensuite, il se penche sur la dérivation de KPCA, expliquant comment les données sont envoyées à un espace de fonctionnalités et le problème de la valeur propre est résolu en utilisant l'astuce du noyau. Les solutions au problème de la double valeur propre sont discutées, en mettant l'accent sur l'intensité de calcul de KPCA due à la décomposition de la valeur propre de la matrice de Gram. La séance de cours conclut en soulignant que la KPCA offre une alternative à la PCA standard en n'assumant pas une transformation linéaire et en utilisant l'astuce du noyau pour la détermination de la projection.

À propos de ce résultat
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Graph Chatbot

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.