我正在尝试在一个非常稀疏的数据集上应用随机投影方法。我找到了关于Johnson-Lindenstrauss方法的论文和教程,但它们每一篇都充斥着方程式,对我来说毫无意义的解释。例如,这篇关于Johnson-Lindenstrauss的文件。
不幸的是,从这个文件中,我没有任何关于算法实现步骤的想法。这很遥远,但有人能告诉我该算法的纯英语版本或非常简单的伪代码吗?或者我可以从哪里开始挖掘这些方程? 任何建议?
例如,通过阅读这篇关于Johnson-Lindenstrauss的论文,我理解的算法是:
- 假设我们有一个
AxB
矩阵,其中A
是样本数量,B
是维数,例如100x5000
。我想将其降低到500
维,这将产生一个100x500
矩阵。
据我所知:首先,我需要构建一个100x500
矩阵,并用+1
和-1
随机填充条目(以50%的概率)。
编辑:
好的,我想我开始明白了。所以我们有一个矩阵A
,它是mxn
。我们想将其减少到E
,它是mxk
。
nxk
维度的矩阵R
,并根据2/3
,1/6
和1/6
的概率用0
,-1
或+1
填充它。构建完成
R
后,我们只需进行矩阵乘法AxR
即可找到我们的缩减矩阵E
。但我们不需要进行完整的矩阵乘法,因为如果Ri
中的元素为0
,我们无需进行计算,只需跳过它。但如果遇到1
,则只需将其加入列中;如果是-1
,则从计算中减去。因此,我们只需使用求和而不是乘法来找到E
。这就是使该方法非常快速的原因。尽管我感觉太愚蠢以至于不能理解这个想法,但它被证明是一种非常巧妙的算法。