چرا برخی از روش های نمونه گیری داده ها شکست می خورند (و برخی دیگر این کار را نمی کنند)

چرا برخی از روش های نمونه گیری داده ها شکست می خورند (و برخی دیگر این کار را نمی کنند)

از

نویسندگان:

(1) اندرو دراگانوف ، دانشگاه ارهوس و همه نویسندگان به طور مساوی در این تحقیق نقش داشتند.

(2) David Saulpic ، Université Paris Cité & CNRS ؛

(3) کریس شوویگلشان ، دانشگاه آرهوس.

چکیده و 1 مقدمه

2 مقدمات و کارهای مرتبط

2.1 در مورد استراتژی های نمونه برداری

2.2 استراتژی های دیگر Coreset

2.3 هسته برای برنامه های پایگاه داده

2.4 تعبیه چهارگانه

3 هسته سریع

4 کاهش تأثیر گسترش

4.1 محاسبه یک قسمت فوقانی خام

4.2 از محلول تقریبی تا کاهش گسترش

5 فشرده سازی سریع در عمل

5.1 هدف و دامنه تحلیل تجربی

5.2 تنظیم آزمایشی

5.3 ارزیابی استراتژی های نمونه برداری

5.4 تنظیم جریان و 5.5 غذای آماده

6 نتیجه گیری

7 اذعان

8 اثبات ، شبه کد و پسوندها و 8.1 اثبات نتیجه 3.2

8.2 کاهش K-Mean به K-Median

8.3 تخمین هزینه بهینه در یک درخت

8.4 پسوند به الگوریتم 1

منابع

5.3 ارزیابی استراتژی های نمونه برداری

روشهای تضمین شده تئوریکی. ما برای اولین بار مقایسه بین الگوریتم هسته سریع و نمونه گیری حساسیت استاندارد را دور می کنیم. به طور خاص ، آخرین ستون های جداول 4 و 5 نشان می دهد که روش سریع هسته ای فشرده سازی هایی از اعوجاج به طور مداوم کم و این را تولید می کند

شکل 2: بالا: تأثیر M-Scalar بر اعوجاج Coreset برای مجموعه داده های دنیای واقعی. این یک تجسم از داده ها در جدول 4 است. پایین: تأثیر مقیاس M در زمان اجرای الگوریتم برای مجموعه داده های دنیای واقعی. تمام مقادیر میانگین بیش از 5 اجرا است. سه میله نمونه ای از اندازه M = 40k ، 80k را نشان می دهد.شکل 2: بالا: تأثیر M-Scalar بر اعوجاج Coreset برای مجموعه داده های دنیای واقعی. این یک تجسم از داده ها در جدول 4 است. پایین: تأثیر مقیاس M در زمان اجرای الگوریتم برای مجموعه داده های دنیای واقعی. تمام مقادیر میانگین بیش از 5 اجرا است. سه میله نمونه ای از اندازه M = 40k ، 80k را نشان می دهد.

دارای مجموعه داده ها ، مقادیر مقیاس m و در …

Source link