Regresja tensorowa

Oryginalny tytuł:

Tensor Regression

Zawartość książki:

Analiza regresji jest kluczowym obszarem zainteresowania w dziedzinie analizy danych i uczenia maszynowego, który poświęcony jest badaniu zależności między zmiennymi, często przy użyciu wektorów. Pojawienie się wysokowymiarowych danych w technologiach takich jak neuroobrazowanie, wizja komputerowa, klimatologia i sieci społecznościowe przyniosło wyzwania dla tradycyjnych metod reprezentacji danych. Tensory, jako wysokowymiarowe rozszerzenia wektorów, są uważane za naturalne reprezentacje danych wielowymiarowych.

W niniejszej książce autorzy przedstawiają systematyczne badania i analizę modeli regresji opartych na tensorach oraz ich zastosowań w ostatnich latach. Pogrupowano i zilustrowano istniejące metody regresji tensorowej oraz omówiono podstawy, główne idee i cechy teoretyczne większości metod regresji tensorowej. Ponadto czytelnicy mogą dowiedzieć się, jak wykorzystać istniejące metody regresji tensorowej do rozwiązywania konkretnych zadań regresji z danymi wielokierunkowymi, jakie zestawy danych można wybrać i jakie pakiety oprogramowania są dostępne, aby jak najszybciej rozpocząć powiązaną pracę.

Regresja tensorowa to pierwszy dokładny przegląd podstaw, motywacji, popularnych algorytmów, strategii efektywnej implementacji, powiązanych aplikacji, dostępnych zbiorów danych i zasobów oprogramowania do analizy regresji opartej na tensorach. Jest to niezbędna lektura dla wszystkich studentów, badaczy i praktyków pracujących na danych o wysokiej wymiarowości.