כתבה
arXiv cs.LG ·
VPOS: בחירת תכונות תוך שימור וריאנס
Variance-Preserving Orthogonal Selection (VPOS): Greedy Feature Selection via Orthogonal Deflation in PCA Loading Space
VPOS היא שיטה חדשה לבחירת תכונות באופן תוך שימור וריאנס. היא פועלת במרחב הטעינה של PCA ובוחרת תכונות באופן תוך שימוש בשיטת הקטנת הווריאנס. VPOS מאפשרת בחירת תכונות מהירה ויעילה.
תקציר מקורי באנגליתarXiv:2607.23198v2 Announce Type: new Abstract: We propose Variance-Preserving Orthogonal Selection (VPOS), a greedy framework for unsupervised feature selection that operates in the weighted PCA loading space. After each selection, VPOS projects out the chosen feature's variance direction via null-space deflation, forcing subsequent selections to cover orthogonal parts of the covariance structure. Each step provably reduces the loading matrix rank by one, and the greedy objective connects to monotone submodular maximization. The single hyperparameter $d$ is selected via a reproducible rule: the value minimising reconstruction MSE in a sensitivity sweep. On eight benchmarks, VPOS achieves the lowest reconstruction MSE on all eight while running 10-140x faster than graph-based methods at sc
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית