16 · PCA desde la perspectiva de los tensores

Estudio a fondo 16 de Tensores para Aprendizaje Automático. Los prisioneros de Platón ven sombras. PCA busca la proyección que conserva más variación:

La varianza conservada no es información conservada. Si la sombra conserva lo que necesita una tarea es algo que se mide.

Un conjunto real de datos satelitales, seguido de dos maneras: como matriz de muestras × características y como tensor de parche × fila × columna × banda. Conecta covarianza, correlación, eigendescomposición y SVD; mide qué le hace PCA a la clasificación y al agrupamiento con preprocesamiento ajustado solo en entrenamiento; y después conoce dos cosas distintas llamadas PCA tensorial: el PCA multilineal, que conserva el eje de muestras, y la recuperación de una señal plantada en un tensor.

Un estudio a fondo para después, de unos 90 minutos, no uno de los laboratorios en vivo del taller de seis horas.

Estudia aquí y luego ejecuta lo real: cuaderno 16 en Colab · todos los cuadernos

Creado a partir del material del propio taller, de Ravi Kalia y Sebastian Laverde Chunza, CC BY 4.0.