Spisu treści:
Definicja - Co oznacza redukcja wymiarów?
Redukcja wymiarów to seria technik uczenia maszynowego i statystyki w celu zmniejszenia liczby zmiennych losowych do rozważenia. Obejmuje wybór funkcji i ekstrakcję funkcji. Redukcja wymiarów sprawia, że analiza danych jest znacznie łatwiejsza i szybsza w przypadku algorytmów uczenia maszynowego bez przetwarzania zmiennych zewnętrznych, co z kolei przyspiesza i upraszcza algorytmy uczenia maszynowego.
Techopedia wyjaśnia redukcję wymiarów
Redukcja wymiarów próbuje zmniejszyć liczbę zmiennych losowych w danych. Często stosuje się podejście K najbliższych sąsiadów. Techniki redukcji wymiarów są podzielone na dwie główne kategorie: wybór cech i ekstrakcja cech.
Techniki wyboru funkcji znajdują mniejszy podzbiór wielowymiarowego zestawu danych, aby utworzyć model danych. Główne strategie dla zestawu funkcji to filtr, opakowanie (przy użyciu modelu predykcyjnego) i osadzone, które dokonują wyboru funkcji podczas budowania modelu.
Wyodrębnianie cech obejmuje przekształcanie danych wielowymiarowych w przestrzenie o mniejszych wymiarach. Metody obejmują analizę głównych składników, PCA jądra, graficzną PCA jądra, liniową analizę dyskryminacyjną i uogólnioną analizę dyskryminacyjną.
