Satura rādītājs:
Definīcija - ko nozīmē dimensijas samazināšana?
Izmēru samazināšana ir tehnikas apguves un statistikas metožu virkne, lai samazinātu nejaušo mainīgo skaitu, kas jāņem vērā. Tas ietver funkciju izvēli un funkciju iegūšanu. Dimensiju samazināšana padara datu analīzi daudz vieglāku un ātrāku mašīnmācīšanās algoritmu apstrādei bez svešiem mainīgajiem, tādējādi padarot mašīnmācīšanās algoritmus ātrākus un vienkāršākus.
Techopedia skaidro dimensiju samazināšanu
Ar izmēru samazināšanu mēģināts samazināt datu nejaušo mainīgo skaitu. Bieži tiek izmantota K-tuvāko kaimiņu pieeja. Izmēru samazināšanas paņēmieni ir sadalīti divās galvenajās kategorijās: funkciju izvēle un funkciju iegūšana.
Lai izveidotu datu modeli, funkciju atlases metodes atrod daudzdimensiju datu kopas mazāku apakškopu. Galvenās pazīmju kopas stratēģijas ir filtri, iesaiņojumi (izmantojot jutīgo modeli) un iegultie, kas veic funkciju atlasi modeļa veidošanas laikā.
Funkciju iegūšana ietver augstas dimensijas datu pārveidošanu telpās ar mazāku dimensiju. Metodes ietver galveno komponentu analīzi, kodola PCA, uz grafika balstītu kodola PCA, lineāro diskriminējošo analīzi un vispārināto diskriminējošo analīzi.
