c*******h
发帖数: 1096 | 1 manifold learning的方法一堆堆，怎样衡量哪个方法好哪个方法坏？ |
d******e
发帖数: 7844 | 2 看你用来干什么了？
不同的目的有不同的衡量方法。
【在 c*******h 的大作中提到】
: manifold learning的方法一堆堆，怎样衡量哪个方法好哪个方法坏？
|
c*******h
发帖数: 1096 | 3 用来发paper呢？。。
【在 d******e 的大作中提到】
: 看你用来干什么了？
: 不同的目的有不同的衡量方法。
|
h*******e
发帖数: 225 | 4 Whichever makes your method look better than others...
【在 c*******h 的大作中提到】
: 用来发paper呢？。。
|
d******e
发帖数: 7844 | 5 ... ...
我是问具体的功用啊。
比如Discrimination就是识别率啦，FAR,EER等等。画ROC Curve比较。
Clustering就是Perplexity之类的啦。
等等... ...
【在 c*******h 的大作中提到】
: 用来发paper呢？。。
|
c*******h
发帖数: 1096 | 6 其实我知道啦。。。
真要是具体有用途的，用什么衡量是很明显的
但LLE，eigenmaps，MVU，isomaps一堆流行的方法，哪个曾经提到过有一个
quatitative的衡量指标的。。。就知道画画图了事。。。
【在 d******e 的大作中提到】
: ... ...
: 我是问具体的功用啊。
: 比如Discrimination就是识别率啦，FAR,EER等等。画ROC Curve比较。
: Clustering就是Perplexity之类的啦。
: 等等... ...
|
R********n
发帖数: 519 | 7 如果是做问题的paper，自然看具体效果，当然，如果只是效果好，而不solid的话，会
让人觉得只是参数调得好，或者其他步骤做得好而已
如果是做方法的paper，就看出发点，需要的假设是否make sense，推导，可推广性，
不同类型的数据集上的performance，等等。LLE,ISOMAP,Laplace Eigenmaps,LTSA等，
应该有paper对这些进行分析和比较
manifold learning，或者non-linear dimension reduction,如果可以简单
quatitative指标就好了，还有什么可以值得研究的呢。learning中太多问题，目前都
没有办法定量分析
【在 c*******h 的大作中提到】
: 其实我知道啦。。。
: 真要是具体有用途的，用什么衡量是很明显的
: 但LLE，eigenmaps，MVU，isomaps一堆流行的方法，哪个曾经提到过有一个
: quatitative的衡量指标的。。。就知道画画图了事。。。
|
