自动编码随机森林

于红博

摘要: 我们提出了一种基于随机森林的自动编码的原则方法。我们的策略基于非参数统计和谱图论的基础结果，以学习模型的低维嵌入，最优地表示数据中的关系。我们通过受限优化、分裂重标记和最近邻回归提供了解码问题的精确和近似解决方案。这些方法有效地反转了压缩流水线，利用集成树学习的分裂建立了从嵌入空间回到输入空间的映射。由于常见的正则性假设，得到的解码器在普遍一致。该程序适用于监督或无监督模型，为条件或联合分布提供了一扇窗口。我们展示了这种自动编码器的各种应用，包括强大的新工具用于可视化、压缩、聚类和去噪。实验展示了我们的方法在各种设置中的易用性和实用性，包括表格、图像和基因组数据。

更新时间: 2025-10-23 17:35:09

领域: stat.ML,cs.AI,cs.LG

下载: http://arxiv.org/abs/2505.21441v2