图邻接谱嵌入的样本外推
摘要：针对将图的顶点嵌入到欧几里得空间中的邻接谱嵌入方法，我们考虑获取一个针对未见过的样本观测的外样本扩展的问题。我们提出了两种不同的方法来解决这个问题，一种基于最小二乘目标，另一种基于最大似然公式。我们证明了，如果感兴趣的图按照一种称为随机点积图的潜在位置模型绘制，则这两种外样本扩展都以相同的错误率估计未见样本顶点的真实潜在位置。此外，我们证明了最小二乘扩展的中心极限定理，表明估计值在大图极限下对于真实值是渐近正态的。
作者：Keith Levin, Farbod Roosta-Khorasani, Michael W. Mahoney and Carey E. Priebe
论文ID：1802.06307
分类：Machine Learning
分类简称：stat.ML
提交时间：2018-02-20