なぜ離散的な場合分けが有効な場合があるのか、そしてそれは学習の観点からみて何をやっていることになるのか

クラスタリングの果てに有限個の樹形図への整理が見出されるのであって、

2017-07-20 08:27:36

そういう場合に破れてることがわかっている連続な図形ではなくて樹形図のようなもので考えるとうまくいくのは何故か？

2017-07-20 08:16:33

樹形図たちが見せているのは破れて使い物にならない多様体とは別の位相空間があるということ

2017-07-20 08:38:28

そしてその樹系図たちを（スコット連続というだけではなく普通に）連続的な幾何で考えられるほどの精度ではまだ情報を得られてないということ

2017-07-20 08:41:09

そもそもそのような情報が入手できるのかどうか？

2017-07-20 08:43:10

樹形図たちに半順序があるなら、樹形図たちを包摂するランドスケープの分岐を見ているということ

2017-07-20 08:44:53

そのランドスケープすらDLは見つけてこれる「ことがある」、というのが現状だと思う

2017-07-20 08:48:47

もっと具体的には、たとえばカテゴリカル変数の下位分類に対応する差異を他の次元から見いだせるか？ということ

2017-07-20 09:17:50

カテゴリカル変数の数値ラベルの整数としての大小関係がランドスケープの自然な位相を反映しているかどうかでランドスケープの分岐が変わってしまうならあらゆるラベルの貼り替えを試すべきな気がする、機械学習でとっくにやられてるとは思うけど

2017-07-20 09:49:19

単なるラベルの貼り替えで移る先が表面的には全然違う、ということがありうる

2017-07-20 17:59:41

もちろん真のランドスケープとか、ないから

2017-07-20 09:52:12