内在次元の普遍的最近傍推定器

要約: データの内在次元(ID)の推定は、機械学習とコンピュータビジョンにおける基本的な問題であり、高次元観測の背後にある真の自由度を理解する手掛かりを提供します。既存の手法はしばしば幾何学的または分布的仮定に依存しており、これらの仮定が満たされない場合には大幅に失敗することがあります。本論文では、最近傍距離比に基づく新しいID推定器を導入します。計算は単純で、最先端の結果を達成します。最も重要なのは、我々の推定器が「普遍的」である、すなわちデータを生成する分布に依存せず真のIDへ収束するという理論解析を提供することです。我々は、推定器の性能を示すために、ベンチマーク多様体と実世界データセットに対して実験結果を提示します。