Tensor Regression
A regresszióelemzés az adatelemzés és a gépi tanulás egyik legfontosabb területe, amely a változók közötti függőségek feltárásával foglalkozik, gyakran vektorok segítségével. A nagy dimenziós adatok megjelenése az olyan technológiákban, mint a neuroképalkotás, a számítógépes látás, a klimatológia és a szociális hálózatok, kihívások elé állította a hagyományos adatreprezentációs módszereket. A tenzorok, mint a vektorok nagydimenziós kiterjesztései, a nagydimenziós adatok természetes reprezentációjának tekinthetők.
Ebben a könyvben a szerzők a tenzoralapú regressziós modellek szisztematikus tanulmányozását és elemzését nyújtják, valamint az utóbbi években alkalmazott alkalmazásaikat. Csoportosítja és szemlélteti a létező tenzoralapú regressziós módszereket, és kitér a legtöbb tenzoralapú regressziós módszer alapjaira, alapgondolataira és elméleti jellemzőire. Emellett az olvasók megtudhatják, hogyan lehet a meglévő tenzoralapú regressziós módszereket használni a többutas adatokkal végzett konkrét regressziós feladatok megoldására, milyen adatkészleteket lehet kiválasztani, és milyen szoftvercsomagok állnak rendelkezésre ahhoz, hogy a kapcsolódó munkákat minél hamarabb elkezdhessék.
A Tensor Regression az első alapos áttekintés a tenzoralapú regresszióelemzés alapjairól, motivációiról, népszerű algoritmusairól, hatékony megvalósítási stratégiáiról, kapcsolódó alkalmazásairól, elérhető adathalmazairól és szoftveres forrásairól. Elengedhetetlen olvasmány a nagy dimenziós adatokkal dolgozó hallgatók, kutatók és gyakorlati szakemberek számára.