Kazalo:
Opredelitev - Kaj pomeni zmanjšanje dimenzij?
Zmanjšanje dimenzij je vrsta tehnik v strojnem učenju in statistika za zmanjšanje števila naključnih spremenljivk, ki jih je treba upoštevati. Vključuje izbiro lastnosti in ekstrakcijo lastnosti. Zmanjšanje dimenzij omogoča lažjo in hitrejšo analizo podatkov za algoritme strojnega učenja, ne da bi jih obdelovale zunanje spremenljivke, kar naredi hitrejše in preprostejše algoritme za strojno učenje.
Tehopedija razlaga zmanjšanje dimenzij
Zmanjšanje dimenzij poskuša zmanjšati število naključnih spremenljivk v podatkih. Pogosto se uporablja pristop K-najbližjih sosedov. Tehnike zmanjšanja dimenzij so razdeljene na dve glavni kategoriji: izbira lastnosti in ekstrakcija lastnosti.
Tehnike izbiranja funkcij najdejo manjši niz večdimenzionalnih nizov podatkov za ustvarjanje podatkovnega modela. Glavne strategije za nabor funkcij so filter, ovitek (z uporabo predvidevalnega modela) in vdelani, ki pri izbiri funkcije izvajajo izbiro funkcij.
Ekstrakcija lastnosti vključuje pretvorbo podatkov z več dimenzij v prostore manjših dimenzij. Metode vključujejo analizo glavnih komponent, PCA jedra, PCA jedra na osnovi grafov, linearno diskriminatorno analizo in generalizirano razlikovalno analizo.
