★ 2
Ψ-Resilience:基于一维拓扑信号的无模型特征重要性
论文提出 Ψ-Resilience,通过估计类条件密度构造类分歧景观,再用一维信号的 0 维持续同调定义稳健性泛函,得到无需预测模型的特征重要性评分。在合成数据上 Spearman 相关最高达 0.8,真实数据上与 SHAP、互信息等方法相关性达 0.9。
arXiv cs.LG28 天前
共 3 篇相关资讯,按重要度与时间排序,每 3 小时更新。
论文提出 Ψ-Resilience,通过估计类条件密度构造类分歧景观,再用一维信号的 0 维持续同调定义稳健性泛函,得到无需预测模型的特征重要性评分。在合成数据上 Spearman 相关最高达 0.8,真实数据上与 SHAP、互信息等方法相关性达 0.9。
论文比较从密度函数恢复层次聚类的两种经典方式:基于超水平集连通分量的密度聚类树,以及对拉普拉斯算子诱导的扩散距离做单链接得到的谱层级。作者给出在合适扩散时间下二者在高度单调重标定意义下拓扑等价的条件,并说明 k-NN 图实现可继承该等价性,从而把谱图构造归约为密度水平集拓扑。
论文提出SPINE方法,用嵌入的1-复形而非点集表示每个类别的原型,初始边集为类条件Mapper图。在17个基准数据集上,SPINE取得最高平均准确率和最佳平均排名,显著优于七种对比方法中的五种。